我有一个显示实例特征的功能。该特征可以存在也可以不存在。如果存在，它显示值的几乎正态分布（实际上有点向右倾斜，但通过对数变换，它变得标准化）。当实例中不存在该特征时，该特征的值仅为 0。
所以最后，我有一个分布，其中有很多值为 0 的实例，并且离它有点远，几乎是正态分布。我想将它分成两个不同的特征：一个显示特征的缺失/存在（简单），第二个仅显示正态分布，而没有在零附近出现恼人的峰值。
特征问题（正态分布 + 0 附近的峰值）
数据挖掘
数据清理
特征工程
特征提取
特征构造
2022-02-25 06:36:49
2个回答
你不提供答案吗？您可以将特征一分为二，即，如果feature_to_split是您正在谈论的特征，您可以feature_to_split_ispresent根据该特定特征的存在与否创建取 1 或 0 的特征，以及feature_to_split_value取实际值的那个特征。
我对此没有确切的答案，因为这取决于您要如何处理这些数据。假设您的任务是监督学习，因为它是最受欢迎的，只需提取该特征就足以让模型区分不同的情况。
编辑：
线性回归或 NN 等模型在正态状态下效果更好；在这种情况下，我会尝试以下选项：
- 保留 0 因为 0 * w = 0 所以会影响微积分但仍然是偏差项
- 将 0 替换为非零点的平均值，这样您的分布将是正常的
- 使用标准化将非零点分布缩放到 N(0, 1)
- 做 2) 然后 3)