scipy.stats.

yeojohnson_normmax

scipy.stats.yeojohnson_normmax(x, brack=None)

计算最优 Yeo-Johnson 变换参数。

使用最大似然估计计算输入数据的最优 Yeo-Johnson 变换参数。

参数:

xarray_like

输入数组。

brack2 元组，可选

使用 optimize.brent 进行下坡括号搜索的起始区间。请注意，这在大多数情况下并不关键；最终结果允许在此括号之外。如果为 None，则使用 optimize.fminbound 且具有避免溢出的边界。

返回:

maxlogfloat

找到的最优变换参数。

参见

yeojohnson, yeojohnson_llf, yeojohnson_normplot

注释

在 1.2.0 版本中添加。

示例

在您的浏览器中尝试！

>>> import numpy as np
>>> from scipy import stats
>>> import matplotlib.pyplot as plt

生成一些数据并确定最优 lmbda

>>> rng = np.random.default_rng()
>>> x = stats.loggamma.rvs(5, size=30, random_state=rng) + 5
>>> lmax = stats.yeojohnson_normmax(x)

>>> fig = plt.figure()
>>> ax = fig.add_subplot(111)
>>> prob = stats.yeojohnson_normplot(x, -10, 10, plot=ax)
>>> ax.axvline(lmax, color='r')

>>> plt.show()

返回在新标签页中打开