scipy.stats.yeojohnson_normmax

scipy.stats.yeojohnson_normmax(x, brack=(- 2, 2))

计算最佳的Yeo-Johnson变换参数。

使用最大似然估计，计算输入数据的最佳Yeo-Johnson变换参数。

参数

xarray_like

输入数组。

brack2元组，可选

下坡括号搜索的起始间隔 optimize.brent 。请注意，这在大多数情况下并不重要；最终结果允许在此括号之外。

退货

maxlog浮动

找到的最佳变换参数。

参见

yeojohnson, yeojohnson_llf, yeojohnson_normplot

注意事项

1.2.0 新版功能.

示例

>>> 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()

上一页

scipy.stats.yeojohnson

下一页

scipy.stats.yeojohnson_llf