Обратное преобразование Box-Cox

Question

Я использую SciPy's boxcox function для выполнения Box-Cox transformation на непрерывной переменной.

from scipy.stats import boxcox 
import numpy as np 
y = np.random.random(100) 
y_box, lambda_ = ss.boxcox(y + 1) # Add 1 to be able to transform 0 values 

Затем я подгоняю статистическую модель для прогнозирования значений этой измененной переменной Box-Cox. Модельные предсказания находятся в шкале Box-Cox, и я хочу преобразовать их в исходный масштаб переменной.

from sklearn.ensemble import RandomForestRegressor 
rf = RandomForestRegressor() 
X = np.random.random((100, 100)) 
rf.fit(X, y_box) 
pred_box = rf.predict(X) 

Однако я не могу найти функцию SciPy, которая выполняет обратное преобразование Бокса-Кокса данную преобразованные данные и лямбда. Есть ли такая функция? На данный момент я закодировал обратное преобразование.

pred_y = np.power((y_box * lambda_) + 1, 1/lambda_) - 1 

Answer 1

Благодаря @Warren Weckesser, я узнал, что текущая реализация SciPy не имеет функцию обратного преобразования Бокса-Кокса. Однако в будущем релиз SciPy может иметь эту функцию. На данный момент код, который я предоставляю в моем вопросе, может служить другим для изменения преобразований Box-Cox.

Answer 2

1. Здесь приводится код. Он работает и просто проверяет. Scipy использовал неперский логарифм, я проверяю бумагу преобразования BoxCox, и он видит, что они использовали log10. Я продолжал с neperian, потому что он работает с SciPy

2. Следуйте код:

   #Function 
   def invboxcox(y,ld): 
       if ld == 0: 
        return(np.exp(y)) 
       else: 
        return(np.exp(np.log(ld*y+1)/ld)) 
   
   # Test the code 
   x=[100] 
   ld = 0 
   y = stats.boxcox(x,ld) 
   print invboxcox(y[0],ld)