StandardScalerの適用範囲について

Question

scikit-learnにはStandardScalerという標準化変換器ライブラリがありますが、
これは回帰木やランダムフォレスト回帰にでも有効なのでしょうか。
説明変数の大小が、StandardScalerにより各特徴量が標準化され、Zスコア（平均が０、
標準偏差（分散）が１）化されると思いますが、回帰木のように分岐させるタイプの
回帰分析でも有効なのでしょうか？

Answer 1

原理的には効きません。決定木は特徴量スケールに依存しません。浮動小数点数なので誤差で変わる可能性は否定しきれませんが、心配するほどではありません。

Comments

[kouji_39]

回答ありがとうございます。
以前にランダムフォレストで目的変数の大きい部分の予測精度が低い時、
目的変数の部分をlog変換すると、どうなるかを試したのですが、予測精度
が同程度か低くなった経験があります。hayataka2049さんの回答より、やはり
回帰木（決定木）系は特徴量スケールに依存しないのですね。できれば、
参考文献（ネットページ）等があれば、御紹介いただけたら幸いです。