特征与高斯分布(分类)

Question

我有一个关于变量跟随或不随机分布的问题。我选择了与标签(欺诈/无欺诈)负相关的4个特征。我所得到的灵感来自笔记本，画出了标签上这些特征的分布。结果是，我的特色1(仅欺诈)是遵循正态分布。

以下是我的问题：

1. 为什么知道我的特性是否服从正态分布很重要呢？->，我猜:有些模型需要它才能更快地收敛或获得更好的结果。
2. 有没有兴趣将我的特性想象成非欺诈和欺诈，并比较发行版？
3. 如果我的特征不是服从正态分布，而是按比例排列的话，我还应该强制它们变成高斯形状吗？

非常感谢！

Answer 1

1. 这完全取决于模型的类型。有些模型需要用参数来表示特征:例如，具有数值特征的朴素贝叶斯需要有一种基于值的概率计算方法，而最常见的情况是假设特征服从正态分布。另一方面，对于决策树来说，特性是否是正态分布并不重要。
2. 是的，为了知道这个特征是否是一个很好的指标，它可以提供非常多的信息:分布越不同，算法就越容易区分使用这个特征的类。
3. 不，不要更改特性的分布(除非您有特定的理由这样做，例如基于这些特定数据的专家知识)。您这样做的任何方式都肯定会改变数据的总体分布和/或特性在实例中的关联方式，因此模型不会从真实分布中学习，因此它对真实数据的预测可能会出错。