裾の長い分布への対数変換
E社は全国の店舗の年間売上を、線形回帰の目的変数として予測したい。多くの店舗は数千万円台だが、一部の大型店は数十億円で、分布は右に長い裾を持っている。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
売上を最小最大正規化し、0〜1に収めて裾の影響を除く
- B
売上を標準化し、平均0・標準偏差1にそろえて偏りを除く
- C
数十億円の大型店を外れ値として学習データから削除する
- D
売上を対数変換し、大きな値ほど間隔が縮むようにする
正解と解説を見る
正解:D
右に裾の長い正の値は、対数変換で分布を対称に近づける。標準化や最小最大正規化はスケールをそろえるだけで、分布の形は変わらない。
- A
誤り。最小最大正規化も形は変えない。最大値に引っ張られて、多くの店舗が0付近に詰まるだけになる。
- B
誤り。標準化は平行移動と拡大縮小だけで、分布の形(偏り)は変わらない。裾の長さもそのまま残る。
- C
誤り。誤記ではない実在の値なので、削除すると大型店を予測できないモデルになる。外れ値として扱う前に、正しい値かどうかを確かめるべき。
- D
正しい。対数変換は大きな値の差を圧縮するので、右に裾の長い分布を対称に近づけられる。売上や所得のような正の値によく使う。
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。