知识卡片
长尾目标变量的对数变换
内容
用户180天总付费(LTV)的原始分布类似幂律递减、右尾很长，直接拿来做回归目标会让极少数大额付费用户主导训练过程。对目标值取对数后，分布明显更接近正态，数值范围也从(0,4000)压缩到(0,10)。这是处理金额、次数等长尾数值型目标变量时的常见预处理手段，能让模型更容易学到稳定、不被极端值支配的规律，是[[LTV预测的双层CNN-LSTM嵌套结构]]能稳定训练的前置步骤。
参考来源
- 位置：《数据科学工程实践》第3章《洞察用户长期价值：基于神经网络的LTV建模》"3.2.3 输入数据的准备"一节（源文件：_epub-src/OEBPS/Text/part0019.xhtml）
- 结论依据：原文明确"y呈现逐渐衰减的模式，类似幂律递减的分布……我们对其取对数之后，y的分布有所改变，看起来比较接近正态分布，log(y)的值从(0, 4000)范围缩减到了(0, 10)"。
- 原始内容：图3-3左图展示的是y的分布，图中显示y呈现逐渐衰减的模式，类似幂律递减的分布。如图3-3右图所示，我们对其取对数之后，y的分布有所改变，看起来比较接近正态分布，log(y)的值从(0, 4000)范围缩减到了(0, 10)。