指数正态分布

Question

对于下面显示的分布，我希望将指数分布转换为正态分布。我想将此作为数据预处理的一部分，以便分类器能够更好地解释该特性(此处命名为ipc )。

由于(x轴)扩展，常规日志转换在这里不起作用。

如何将这些数据转换为正态分布？

注释中已经指出了一个相关的答案，但我也在寻找一些Python代码的摘录。

谢谢

Answer 1

以下代码起作用：

import scipy
import numpy as np

ey = np.random.exponential(size=100)
cdfy = scipy.stats.expon.cdf(np.sort(ey))
invcdf = scipy.stats.norm.ppf(cdfy) # a normal distribution

希望这能有所帮助

Answer 2

您可以使用sklearn.preprocessing.QuantileTransformer (或sklearn.preprocessing.PowerTransformer)来做您想做的事情：

from sklearn.preprocessing import QuantileTransformer
import numpy as np

ey = np.random.exponential(size=100)
qt = QuantileTransformer(output_distribution='normal')
no = qt.fit_transform(ey.reshape(-1, 1))

你可以用柱状图来比较“之前”和“之后”：

# Plot histograms to see before vs after.
import matplotlib.pyplot as plt
%matplotlib inline 
plt.subplot(2, 2, 1)
plt.hist(ey, bins='auto')
plt.subplot(2, 2, 2)
plt.hist(no, bins='auto')
plt.show()

这种方法的优点是它也适用于其他输入分布，而不仅仅是指数。