R 优化box-cox变换，无法在初始参数处计算函数

我正在尝试做一个自动的box-cox变换（这对于规范数据的人来说应该很有用），但是在用R的optim可以接受的方式来表达我的优化时遇到了困难。它通常是有效的，但我不清楚是什么原因导致它在极端倾斜的变量上失败

其思想是在box-cox变换中选择Lambda参数，以最小化数据集偏度的绝对值

library(car)
library(moments)

xskew <- function(data,par){
    abs(skewness(bcPower(data,lambda=par[1]),na.rm=T)) # minimize abs(skew)
}

boxit <- function(x){
    res <- optim(par=c(-5,5), xskew, data=x+1)         # find argmin(^) lambda
    print(res$par)
    return(bcPower(x+1,lambda=res$par[1]))

变成

> skewness(boxit(rbeta(1000,12,3)))
[1] -5.980757e-08

---几乎0度倾斜

但在一个极端扭曲的变量上，我得到：

Error in optim(par = c(-5, 5), xskew, data = x + 1) (from #2) : 
  function cannot be evaluated at initial parameters

我的想法是，我可能：

未捕获bcPower函数如何处理接近零或无穷大的值

滥用optim

也许做了一些更愚蠢的事情，因为我正在构建一些不可能收敛的东西

---

哎呀，我使用的是一个2参数的解算器，而不是一个具有显式上下限的1参数解算器。我需要的optim电话是：

optim(par=-2, xskew, x=x, method="Brent", lower=-20, upper=20)

---

以及对xskew函数调用的轻微重新定义。

您能否通过在

boxit（x）

调用中提供

x

使示例重现？您能否尝试切换

xskew

定义中的参数，即

函数（par，data）

而不是

函数（data，par）

？

optim(par=-2, xskew, x=x, method="Brent", lower=-20, upper=20)