Een online winkel gebruikt lineaire regressie om toekomstige boekverkopen te voorspellen. Eén numerieke feature is 'duration' (aantal dagen dat het boek te koop staat). Verkennende analyse toont aan dat de relatie tussen verkoop en duur scheef en niet-lineair is. Welke transformatie is het meest geschikt om het model te verbeteren?

Kwantiel-gebaseerde binning is het meest geschikt omdat het een scheve, niet-lineaire relatie kan lineariseren door de continue 'duration'-feature in discrete categorieën te verdelen, waarbij elke categorie een gelijk aantal waarnemingen bevat. Dit helpt lineaire regressiemodellen om niet-lineaire patronen beter vast te leggen. One-hot encoding is voor categorische data, niet voor continue numerieke data zoals 'duration'. Een Cartesiaanse producttransformatie creëert interactietermen, wat nuttig is voor het vastleggen van complexe relaties tussen meerdere features, maar niet primair voor het lineariseren van één scheve feature. Normalisatie schaalt de waarden, maar verandert de vorm van de verdeling of de niet-lineaire relatie niet.