高斯秩变换 RankGauss 可能是比标准化/归一化更有效的连续值特征变换方法

Posted 2023-01-26 叶庭云

文章目录

• 一、前言
• 二、关键原理
• 三、总结

CSDN 叶庭云：https://yetingyun.blog.csdn.net/

---

一、前言

高斯秩变换是 Kaggle 竞赛大佬 Michael Jahrer（Grandmaster） 提出的一种新颖的特征变换方法，他称之为 RankGauss。类似归一化（MinMax）和标准化（Standardization）的作用，都是为了让模型更好的拟合数据。标准化对于 LightGBM/XGBoost 等集成树模型可能无关紧要，但对于基于梯度的模型（如神经网络），输入数据标准化至关重要。

在