Um cientista de dados inspeciona uma feature e encontra a distribuição moda < mediana < média. Qual transformação é a mais apropriada para transformar esses dados para que um modelo de regressão linear possa ser aplicado?

A distribuição moda < mediana < média indica um skew positivo (assimetria à direita). Modelos de regressão linear pressupõem que os resíduos são normalmente distribuídos, e dados com skew positivo violam essa suposição, impactando a performance do modelo. A transformação logarítmica é eficaz para reduzir o skew positivo, comprimindo os valores maiores e expandindo os menores, aproximando a distribuição de uma normal. A transformação exponencial aumentaria ainda mais o skew. A transformação polinomial é usada para capturar relações não lineares, não para corrigir skew de distribuição. A transformação sinusoidal é aplicada a dados cíclicos ou periódicos, o que não é o caso aqui.