scipy.stats.

yeojohnson_normmax

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

计算最佳 Yeo-Johnson 转换参数。

使用最大似然估计为输入数据计算最佳 Yeo-Johnson 转换参数。

参数:

xarray_like

输入数组。

brack2 元组，可选项

使用 optimize.brent 进行下坡托架搜索的起始间隔。请注意，这在大多数情况下并不重要；最终结果可以超出此托架。如果为 None，则 optimize.fminbound 将与避免溢出的边界一起使用。

返回:

maxlogfloat

找到的最佳转换参数。

另请参阅

yeojohnson, yeojohnson_llf, yeojohnson_normplot

说明

在 1.2.0 版中添加。

示例

在你的浏览器中尝试一下！

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

生成一些数据并确定最优的 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