Une boutique en ligne utilise la régression linéaire pour prédire les ventes futures de livres. Une caractéristique numérique est la « durée » (nombre de jours pendant lesquels le livre a été en vente). L'analyse exploratoire montre que la relation entre les ventes et la durée est asymétrique et non linéaire. Quelle transformation est la plus appropriée pour améliorer le modèle ?

La conversion de la durée en intervalles basés sur les quantiles (quantile binning) est la plus appropriée car elle permet de capturer les relations non linéaires et asymétriques. En divisant la durée en catégories basées sur la distribution des données, le modèle peut apprendre des relations distinctes pour chaque intervalle, ce qui est efficace lorsque la relation avec la variable cible n'est pas linéaire. L'encodage one-hot est utilisé pour les variables catégorielles et ne s'applique pas directement à une variable numérique continue pour gérer la non-linéarité. La transformation de produit cartésien combine des caractéristiques pour créer des interactions, ce qui n'est pas le problème principal ici. La normalisation ajuste l'échelle des données mais ne gère pas intrinsèquement la non-linéarité ou l'asymétrie de la relation.