老师，
以下有一道关于data transform的问题向您提问：
为了reduce skewness, 对Y(price)做了log处理。coding如下：
但是更新新的data base后，笔者就开始train model，coding如下：
我的问题是，笔者只对Y(price)一个depend variable做了log 处理，却没有对其他任何independent variable做任何处理就开始train model这样所有的features不在同一个scale下是合理的吗？
但是更新新的data base后，笔者就开始train model，coding如下：
我的问题是，笔者只对Y(price)一个depend variable做了log 处理，却没有对其他任何independent variable做任何处理就开始train model这样所有的features不在同一个scale下是合理的吗？
我认为这里的做法是可以的，没有任何问题。首先，对label的数据处理与对feature的处理完全是互不相干的两件事情。这里对label做log变换，目的是让label的方差更加稳定，同时让label的分布更加接近正态分布，便于后续的建模工作。当然你也可以对feature做normalization or log变换，这两者相互之间没有影响。只要你之后在inference阶段，记得也要把feature or output label做对应的变换，就可以了。
好的 十分感谢老师的解答