回归树的日志变换因变量

Question

我有一个数据集，我发现依赖（目标）变量有一个偏斜的分布 - 即有一些非常大的值和一个长尾。

当我运行回归树时，会为大值观测值创建一个终端节点，并为大多数其他观测值创建一个终端节点。

是否可以记录转换依赖（目标）变量并将其用于回归树分析？当我尝试这个时，我得到了一组不同的节点和分割，它们似乎在每个桶中具有更均匀的观察分布。使用对数转换，Predicted vs. Observed的Rsquare值也非常好。换句话说，我似乎通过日志转换获得了更好的测试和验证性能。 只是想确保当因变量具有偏斜分布时，日志转换是一种可接受的运行回归树的方法。

谢谢！

Answer 1

是。当目标变量具有偏斜分布时，对目标变量应用日志转换是完全正确的。话虽如此，您需要在预测值之上应用反函数以获得实际预测目标值。

此外，您已经测试过，通过转换，您可以更好地估算Rsquare错误。我假设您在使用指数函数反转日志后计算了RSquare。

有关详细信息，请参阅wiki link有关数据转换的信息。

请注意，如果您的训练数据包含任何负目标值，则无法直接应用日志转换。您可能必须应用其他一些可以接受负值的函数。