yeo.johnson(VGAM)
yeo.johnson()所属R语言包：VGAM
Yeo-Johnson Transformation
杨Johnson转换
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Computes the Yeo-Johnson transformation, which is a normalizing transformation.
计算：杨 - 约翰逊转型，这是归一化转型。
用法----------Usage----------
yeo.johnson(y, lambda, derivative = 0,
epsilon = sqrt(.Machine$double.eps), inverse = FALSE)
参数----------Arguments----------
参数：y
Numeric, a vector or matrix.
数字，一个向量或矩阵。
参数：lambda
Numeric. It is recycled to the same length as y if necessary.
数字。它再循环到y如果有必要的长度相同。
参数：derivative
Non-negative integer. The default is the ordinary function evaluation, otherwise the derivative with respect to lambda.
非负整数。默认值是普通的功能评价，否则就lambda的导数。
参数：epsilon
Numeric and positive value. The tolerance given to values of lambda when comparing it to 0 or 2.
数字和正面价值。的耐受性给予lambda值比较时，它为0或2。
参数：inverse
Logical. Return the inverse transformation?
逻辑。返回逆变换吗？
Details
详细信息----------Details----------
The Yeo-Johnson transformation can be thought of as an extension of the Box-Cox transformation. It handles both positive and negative values, whereas the Box-Cox transformation only handles positive values. Both can be used to transform the data so as to improve normality. They can be used to perform LMS quantile regression.
杨 - 约翰逊的转换可以被认为是作为一个扩展的Box-Cox转换。它处理的正面和负面的价值观，Box-Cox转换，而只处理正面的价值观。两者都可以用来对数据进行转换，以改善常态。它们可以被用来执行LMS位数回归。
值----------Value----------
The Yeo-Johnson transformation or its inverse, or its derivatives with respect to lambda, of y.
杨 - 约翰逊改造或逆，或它的衍生物就到lambda外，y。
注意----------Note----------
If inverse = TRUE then the argument derivative = 0 is required.
如果inverse = TRUE的说法derivative = 0需要。
（作者）----------Author(s)----------
Thomas W. Yee
参考文献----------References----------
A new family of power transformations to improve normality or symmetry. Biometrika, 87, 954–959.
Quantile regression via vector generalized additive models. Statistics in Medicine, 23, 2295–2315.
参见----------See Also----------
lms.yjn, boxcox.
lms.yjn，boxcox。
实例----------Examples----------
y = seq(-4, 4, len = (nn <- 200))
ltry = c(0, 0.5, 1, 1.5, 2) # Try these values of lambda[请尝试以下的lambda值]
lltry = length(ltry)
psi = matrix(as.numeric(NA), nn, lltry)
for(ii in 1:lltry)
psi[,ii] = yeo.johnson(y, lambda = ltry[ii])
## Not run: [＃不运行：]
matplot(y, psi, type = "l", ylim = c(-4, 4), lwd = 2, lty = 1:lltry,
ylab = "Yeo-Johnson transformation", col = 1:lltry, las = 1,
main = "Yeo-Johnson transformation with some values of lambda")
abline(v = 0, h = 0)
legend(x = 1, y = -0.5, lty = 1:lltry, legend = as.character(ltry),
lwd = 2, col = 1:lltry)
## End(Not run)[＃（不执行）]
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-10-1 15:59:12
