本文主要是介绍结构化数据转换方式之一：box-cox转换，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
之前在《笔记︱信用风险模型（申请评分、行为评分）与数据准备（违约期限、WOE转化）》中提到过WOE转换，WOE转换=分箱法=Logit值，与等深、等宽不同是根据被解释变量来重新定义一个WOE值
笔者将其定位于对自变量的数据转换。
现在来看看对于因变量的数据转换：BOX-COX转换。
内容主要参考交大的课件：BoxCox-变换方法及其实现运用.pptx
优势：
- 线性回归模型满足线性性、独立性、方差齐性以及正态性的同时，又不丢失信息，此种变换称之为Box—Cox变换。
- 误差与y相关，不服从正态分布，于是给线性回归的最小二乘估计系数的结果带来误差
- 使用Box-Cox变换族一般都可以保证将数据进行成功的正态变换，但在二分变量或较少水平的等级变量的情况下，不能成功进行转换，此时，我们可以考虑使用广义线性模型，如LOGUSTICS模型、Johnson转换等。
- Box-Cox变换后，残差可以更好的满足正态性、独立性等假设前提，降低了伪回归的概率
其中：
在一些情况下（P值<0.003）上述方法很难实现正态化处理，所以优先使用Box-Cox转换，但是当P值>0.003时两种方法均可，优先考虑普通的平方变换。
**此时的检验步骤为：**先对数据进行正态性检验 -> 观察检验的P值 -> 根据P值挑选合适的box-cox转换函数
常规的经济学转换方式：
log，对数转换，是使用最多的（数据必须大于0）
还有：
平方根转换
倒数转换
平方根后取倒数
平方根后再取反正弦
幂转换
Box-Cox变换的正态变换：
数据不比大于>0
没有Box-Cox变换的回归：
Box-Cox变换之后的回归：
这篇关于结构化数据转换方式之一：box-cox转换的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
