Некоторые преимущества преобразования Йео-Джонсона перед другими методами нормализации данных:

• Обработка как положительных, так и отрицательных значений. 1 В отличие от преобразования Бокса-Кокса, которое работает только с положительными данными, преобразование Йео-Джонсона может обрабатывать данные с более широким диапазоном значений. 1
• Сохранение нулевых значений. 1 Это делает преобразование Йео-Джонсона подходящим для наборов данных со смесью нулевых и ненулевых значений. 1
• Гибкость преобразования. 1 Параметр преобразования позволяет настраивать его на основе распределения данных. 1

Преобразование Йео-Джонсона — ценный метод для нормализации искажённых числовых характеристик в машинном обучении. 1 Он помогает повысить производительность и интерпретируемость моделей машинного обучения. 1

Однако у метода есть и недостатки: он требует больше вычислительных ресурсов и может быть менее точным при работе с чисто положительными данными. 3