К примеру, для аримы его используют, чтобы стабилизировать дисперсию и сделать ряд стационарным. Просто иначе модель использовать некорректно, а предсказания не будут учитывать переменную дисперсию. Логарифмирование- его частный случай. Также удобно использовать преобразование yeo-johnson для приведения к нормальному распределению значения знакопеременного отклика.
да. логарифмирование помогает распределение ошибок сделать нормальным) а значит и ряд станцинарным и дисперсию стабилизирвоать) как я думаю..
Это C6W5. Надо 85% accuracy на Kaggle побить. Я смотрел решения многих людей при проверке на прошлом этапе, там очень часто снижение размерности через PCA выполняли.
А пробовать различные параметры vectorizer'а и разные классификаторы - это максимум 80% даст