右に裾の長い購入額の変換
通販サイトを運営するB社で、顧客の年間購入額を線形回帰の説明変数に使うことにした。購入額の分布を確かめると、大半の顧客は数千円から数万円に集まっていた。一方で、一部の顧客は数百万円に達し、分布は右に長く裾を引いていた。これらの顧客は誤入力ではなく、実在する優良顧客である。分布の偏りを和らげる前処理として、最も適切なものを1つ選べ。
- A
平均0・標準偏差1になるよう、標準化で変換する
- B
最小値0・最大値1になるよう、最小最大正規化で変換する
- C
購入額に1を足してから対数をとり、大きな値の差を圧縮する
- D
購入額が上位1%の顧客を外れ値として学習データから除く
正解と解説を見る
正解:C
右に裾の長い正の値には対数変換が有効で、0を含む場合は log(x + 1) とする。標準化や最小最大正規化は尺度をそろえるだけで、分布の形は変わらない。
- A
誤り。標準化は位置と尺度をそろえる直線的な変換であり、分布の偏り(歪み)は残る。単位をそろえる目的と、分布の形を変える目的とを取り違えている。
- B
誤り。最小最大正規化は値の範囲をそろえるだけで、分布の形は変わらない。しかも最大値が極端に大きいため、大半の顧客の値は0付近に押し込まれる。
- C
正しい。対数変換を使うと、大きな値ほど差が強く縮まり、右に裾の長い分布が左右対称に近づく。金額が0円の顧客もいるため、1を足してから対数をとる。
- D
誤り。これらは実在する優良顧客の正しい値であり、除くと重要な顧客層の情報が失われる。外れ値を削除するのは、誤入力などで値が誤っている場合が基本である。
このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。