我有一个数据集，我需要适应GEV发行版 . 数据是一维的，并存储在numpy数组中 . 目前，我正在使用 scipy.stats.genextreme.fit(data) ，它工作正常，但给出了完全不准确的结果（通过绘制pdf显而易见） . 经过一些调查后发现我的数据不适合日志空间，scipy在其MLE拟合算法中使用，因此我需要尝试像GMM这样的东西，而这只适用于statsmodels . 问题是我可以't find anything which looks like scipy' s fit 功能 . 我发现的所有例子似乎都处理了比我复杂得多的数据 . 此外， statsmodels 需要 endog 和 exog 参数用于eveything，我不知道它们是什么 .
这应该很简单，所以我肯定我错过了一些明显的东西 . 有没有人以这种方式使用statsmodels，如果有的话，任何指针如何做到这一点？
1 回答
我猜你想要高斯混合模型（GMM）而不是广义矩量法（GMM） . 前GMM可在scikit-learn here中找到 . 后者在statsmodels中有代码，但它正在进行中 .
EDIT 实际上我不清楚你想要GMM . 也许你只想要一个内核密度估算器（KDE） . 这在statsmodels here中可用example
嗯，如果你确实想使用(Generalized) Method of Moments来拟合某种概率加权的GEV，那么你需要指定时刻条件，但我没有一个关于（G）MM在statsmodels中为你如何指定时刻条件做好准备的例子 . 你可能最好在邮件列表上询问 .