python boxcox变换_陈小陌博客-box-cox变换基于python的实现--陈小陌

在生活中有很多数据都是类似的符合正态分布，比如一个统计量：每个人的年度消费。按照道理我们想呀，这个应该是符合正态分布的，我们就拿到了数据，正在规划基于满足正态分布的消费数据做一些分类决策树，或者其它的小东西。但是！我们为了课题的严谨性，要检验一下找个数据到底是不是正态分布，结果喜闻乐见，它不满足正态分布。(当然此刻我们可以假装它满足，从认真建模，到瞎编数据系列)我们要对它进行正态分布变换，这个有很多方法，取对数，开方可以百度一下，这里介绍一种BOX—COX变换，也就是经常做数据科学口中的BC变换，这个是一个很好对数据进行正态分布变换的一种方法，根据以下公式：

这里要求出那个系数，才能对数据选择哪种变换，对于求参数有两种方法：1)极大似然估计 2)Bayes方法，下面给出box-cox算法基于python的实现，对于函数stats.boxcox()参数x是list和array列类型都行，很方便。返回值是以元组形式返回，第一个值为列表(经过BC变换的数据)，另一个为公式参数。from scipy import stats

import numpy as np

test = np.array(cost_handle)   # 将list转换为array(不转也行)

result = stats.boxcox(test)    # 一行代码box-cox变换

AF_box_cox = result[0]

print(AF_box_cox)

print(result[1])

这里说的很不恰当，有很多不合理的地方，给出参考，可以再看看：

1)box-cox变换：百度百科

2)stats.boxcox():函数说明文档

this over

打赏支付宝打赏

微信打赏