QuantileTransformer 和 PowerTransformer 的區別

Question

在 sklearn 中，QuantileTransformer 的文檔說

該方法將特征轉換為遵循均勻或正態分布

PowerTransformer 的文件說，

應用冪變換特征使數據更像高斯

似乎它們都可以將特征轉換為高斯/正態分布。 在這方面以及何時使用哪個方面有什么區別？

Answer 1

他們使用的術語令人困惑，因為高斯分布和正態分布實際上是相同的。

QuantileTransformer 和 PowerTransformer 都是非線性的。

要根據https://scikit-learn.org回答您關於究竟有什么區別的問題：

“QuantileTransformer 提供非線性變換，其中邊緣異常值和內點之間的距離縮小。PowerTransformer 提供非線性變換，其中數據映射到正態分布以穩定方差並最小化偏度。”

來源和更多信息在這里： https://scikit-learn.org/stable/auto_examples/preprocessing/plot_all_scaling.html#:~:text=QuantileTransformer%20provides%20non%2Dlinear%20transformations,stabilize%20variance%20and%20minimize%20skewness .

Answer 2

主要區別在於PowerTransformer()是參數化的，而QuantileTransformer()是非參數化的。 Box-Cox 或 Yeo-Johnson 將使您的數據看起來更“正常”（即不那么偏斜且更居中），但它通常與完美的高斯相距甚遠。 QuantileTransformer(output_distribution='normal')結果通常看起來更接近高斯分布，但代價是線性關系扭曲得更多。 我相信沒有經驗法則可以決定在特定情況下哪個會更好，但值得注意的是，在執行GridSearchCV()時，您可以在管道中使用 select 最佳縮放器。