Ein Datenwissenschaftler untersucht ein Feature und stellt fest, dass der Modalwert < Median < Mittelwert ist. Welche Transformation ist am besten geeignet, um diese Daten so zu transformieren, dass ein lineares Regressionsmodell angewendet werden kann?

Wenn der Modalwert < Median < Mittelwert ist, deutet dies auf eine rechtsschiefe Verteilung hin. Lineare Regressionsmodelle funktionieren am besten mit normalverteilten oder annähernd symmetrischen Daten. Eine logarithmische Transformation ist ideal, um rechtsschiefe Daten zu normalisieren oder ihre Schiefe zu reduzieren, da sie größere Werte stärker komprimiert als kleinere Werte. Eine exponentielle Transformation würde die Schiefe noch verstärken. Eine polynomische Transformation wird verwendet, um nicht-lineare Beziehungen zwischen Features und dem Ziel zu modellieren, nicht primär zur Behebung von Schiefe. Eine sinusförmige Transformation wird für zyklische oder periodische Daten verwendet.