我使用sklearn.preprocessing.power\u转换的方法正确吗？

Question

长话短说我开始学习scikit learn，现在正在清理我的住房数据。问题是，有些功能有很多0值（例如，由于许多房屋没有2楼，所以2楼的值）。我尝试了一些想到的方法，比如合并所有的区域特征或者将它们转换成二进制（比如有或者没有第二层）。 我在sci工具包学习文档中遇到了power\u转换函数，我不想深入研究，只想尝试一下。像这样：

heterosc_features = ['MasVnrArea','BsmtFinSF1','2ndFlrSF','WoodDeckSF','OpenPorchSF']#features #that need to be transformed
def power_power_transform(features):
    for feature in features:
#assigning current feature for simplicity
        cur_feature = modified_prepared_data[feature]
#converting it to numpy so the function accepts it
        cur_feature = cur_feature.to_numpy()
#reshaping it, otherwise it would spit an error
        cur_feature = cur_feature.reshape(-1,1)
#initializing the function
        power_transform(cur_feature, method='yeo-johnson')
#assigning transformed numpy array back to pandas column
        modified_prepared_data[feature] = cur_feature

power_power_transform(heterosc_features)

线性回归RMSE变差，CV后平均RMSE变化不大。我错过什么了吗