不服从正态分布如何回归？
1.非线性回归：如果数据呈现出明显的非线，可以尝试使用非线性回归模型，如项式回归、指数回归、对数回归等。这些模型可以更好地拟合非线性数据，并提供更准确的预测结果。
2.数据转换：如果数据有偏或者不从正态分布，可以尝试对数据进行转换，使其更接近正态分布。常见的数据转换方包括对数转换、平方根转换、反正弦转换等。
通过转换数据，可以数据的偏度和峰度，使其更接近正态分布，从而改善回归模型的拟合效果。3.非参数回归：非参数回归方不对数据的分布出设，可以更灵活地适应不从正态分布的数据。
常见的非参数回归方包括局部加权回归（LOESS）、核回归等。这些方可以根据数据的分布情况自动调整模型的拟合程度，从而更好地捕捉数据的关系模式。
相关知识:什么是对数分布？
性质不同1、标准正态分布：是以0为均数、以1为标准差的正态分布，记为N（0，1）。2、对数正态分布：是个随机变量的对数从正态分布。
二、特点不同1、标准正态分布：标准正态分布曲线下面积分布规律是：在-1.96～+1.96范围内曲线下的面积等于0.9500，在-2.58～+2.58范围内曲线下面积为0.9900。统计学还定了张统计用表（自由度为∞时），借助该表就可以估计出某些特殊u1和u2值范围内的曲线下面积。
2、对数正态分布：对数正态分布与正态分布很类似，除了它的概率分布向右进行了移动。对数正态分布从短期来看，与正态分布非常接近。但长期来看，对数正态分布向上分布的数值更些。更准确地说，对数正态分布中，有更大向上波动的可能，更向下波动的可能。
相关知识:x服从正态分布求x的概率密度？
正态分布概率密度函数是f(x)=[1/(√2π)t]e[-(x-u)2/2(t2)]其实就是均值是u，方差是t2。于是：∫e[-(x-u)2/2(t2)]dx=(√2π)t（）积分区域是从负到正，下面出现的积分也都是这个区域。（1）求均值对（）式两边对u求导：∫{e[-(x-u)2/2(t2)][2(u-x)/2(t2)]dx=0约去常数，再两边同乘以1/(√2π)t得：∫[1/(√2π)t]e[-(x-u)2/2(t2)](u-x)dx=0把(u-x)拆开，再移项：∫x[1/(√2π)t]e[-(x-u)2/2(t2)]dx=u∫[1/(√2π)t]e[-(x-u)2/2(t2)]dx也就是∫xf(x)dx=u1=u这样就正好凑出了均值的定义式，证明了均值就是u。(2)方差过程和求均值是差不的，就稍微略写点了。
相关知识:x服从正态分布,lnx服从什么分布？
对数正态分布的特征：若随机变量X从对数正态分布，则经过对数变换Y=LnX后从正态分布，即原来X的分布是（右）偏态分布，经对数变换后，成为正态分布，或者说对数正态变量经过对数变换后为正态变量。对数正态分布可用来描述很随机变量的分布，如化学反应时间、绝缘材料被击穿时间、产品维时间等。