機械学習予測結果に対するexp(x)-1演算の意味について

Question

教えていただきたい事

機械学習、初心者です。
kaggleで、lasso回帰の予測結果に対して、exp(x)-1の演算を実施し、予測値に反映している方がいました。
このexp(x)-1の演算は、何のために実施しているのでしょうか？
何か利点があると思うのですが、わかないのでどなたか教えていただけないでしょうか？

該当のソースコード

lasso.fit(X_train, y_train)
train_pred = np.expm1(lasso.predict(X_train))
pred = np.expm1(lasso.predict(X_test))

Answer 1

目的変数の対数変換ではないでしょうか。目的変数が正規分布しない場合は、対数変換を行った方が良いことが知られています（調べると出ます）。その場合は、y_trainを作る前にlog1pを通していたりするはずです。

Comments

[Rooibosgood]

回答ありがとうございます。
「対数変換」という、キーワードもわかっていなかったので助かりました。

目的変数が、正規分布しない場合に、対数変換を行うということですが、それは、y_train= log1p(y_train)として、lasso.fit(X_train, y_train)を実行するという認識で正しいでしょうか？

私が見ていたKaggleのPythonコードに、log1pを使用しているところがなかったので、混乱しました。

Teratailでの質問も初めてなので、上記コードの表記方法もわからず、見にくくなってしまい申し訳ありません。

[hayataka2049]

対数変換の場合は
y_train = log1p(y_train)
lasso.fit(X_train, y_train)
pred = lasso.predict(X_test)
pred = expm1(pred)
という流れですね。
logが見当たらないようであれば違うと思いますが、その場合は元々やってたけどlogの方だけ消してexpを消し忘れたか、それともそういうのとは全然違うなにかアドホックな発想で指数を使っている可能性があります。

[Rooibosgood]

回答ありがとうございます。
よくわかりました。

kaggleのPythonコードは、多分消し忘れかもしれませんね。
ありがとうございました。