我的y变量 ( n=30,000) 分布有非常重的尾部（正面和负面），fitDistGAMLSS 函数为此选择 ST4 系列。
我尝试使用解释变量x（pb 平滑）来评估基于 GAMLSS 的回归，但尾部y太重以至于在 50 个周期后收敛不会达到，即使在 refit ( time consuming+++) 之后也是如此。
因此，我y使用orderNorm转换（bestNormalize包）进行归一化，它可以轻松快速地达到收敛，然后从 GAMLSS 对象预测拟合值。
然而，这些拟合的“ orderNormalized”值是一个 GAMLSS 对象，因此不能使用预测函数从bestNormalize（因为后者似乎无法识别 GAMLSS 对象）来反转。
我的问题：无论采用何种方式，是否有可能对orderNorm来自 GAMLSS 对象的拟合值应用逆变换？
很容易对使用什么预测函数感到困惑，所以我在这里列出没有代码的步骤（因为问题中没有示例）：
1) transposeObj = orderNorm(data$outputvariable)
2) fitObj = gamlls(transposeObj$x.t ~., data)
3) pred = predict(fitObj, type = 'response')
4) inversedpredictions = predict(transposeObj, newdata = pred, inverse = TRUE)
在纯文本中，您对数据进行归一化，拟合模型，使用拟合进行预测，然后使用从 orderNorm 获得的归一化对象对预测进行预测。
小插图bestNormalize有一个类似的例子，使用lm而不是 GAMLSS。请参阅小插图的应用部分。运行标准化过程后，您应该能够使用predict函数重复和反转转换。
关键是将转换对象存储为 R 对象，然后可以将其输入predict（或者更确切地说，是predict.bestNormalize）函数。