目录

1. 数据需要正态转换的原因

以概率分布为核心的研究大都聚焦于正态分布。例如一般线性模型假定 ，其中误差项  服从或近似服从正态分布，但由于  可能和  有关，而  不服从正态分布，这会给线性回归的最小二乘估计系数结果带来误差。此时，就需要对数据正态化处理以有效降低模型的均方根误差 (RMSE) 或均方根对数误差 (RMSLE)。

在本推文中，我们将给出 2 个判断指标以及 5 种类型的数据转换方案，以更好地辨别和适应正态分布。