特征分布不同时的机器学习的尺度特征向量

Question

我正在尝试缩放我的特征向量以得到一个算法。我有3个特性和1个目标变量。 特征一：呈类高斯分布 特征2：倾斜，y值随着x的增加而减小。 特点三：高度倾斜。几乎所有的值都是相同的。 目标变量：高度倾斜。你知道吗

我的问题是：我想对特性和目标变量进行MinMaxScaling。可以缩放所有的特征还是倾斜的特征。你知道吗

功能1:

功能2:

功能3:

目标变量类似于功能3。 因为我的Feature3和目标变量的数据大部分是稀疏的，所以有什么替代MinMaxScaling的方法吗？你知道吗

另外，是否可以根据相应列的分布对训练数据使用不同的定标器？如果问题不清楚，我很乐意提供更多信息：）

Answer 1

现在，您不应该直接应用MinMaxScaling，因为features 2&3每次都非常接近于0，您无法从中学习。我习惯的做法是，在应用MinMaxScaling/StandardScaling之前，在这些特性上应用一个日志。这对于功能2应该很好，但是对于功能3，也许你应该考虑做一个日志（log（x）），但是我从来没有尝试过。你可能会失去太多的变化。我很想看看功能3的柱状图和一个或两个嵌套的日志。你知道吗

希望对你有帮助， 尼古拉斯