scipy.stats.

yeojohnson_normmax

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

计算最优的 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。

括号2-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；最终结果允许超出此区间。如果为 None，则使用带有避免溢出边界的 optimize.fminbound。

返回:

maxlog浮动

找到的最优变换参数。

参见

yeojohnson, yeojohnson_llf, yeojohnson_normplot

注释

Added in version 1.2.0.

示例

Try it in your browser!

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

生成一些数据并确定最佳的 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()

Go BackOpen In Tab