使用scipy，matplotlib对数据进行多模态分布拟合
使用scipy，matplotlib对数据进行多模态分布拟合
提问于 2015-10-16 05:20:12
我有一个数据集，我想要拟合到一个已知的概率分布。目的是在数据生成器中使用拟合的PDF -这样我就可以从已知的(拟合的) PDF中采样数据。数据将用于模拟目的。目前，我只是从正态分布中抽样，这与实际数据不一致，因此模拟结果不准确。
我首先想使用以下方法：Fitting empirical distribution to theoretical ones with Scipy (Python)?
我的第一个想法是将其拟合为威布尔分布，但数据实际上是多模态的(附图)。所以我想我需要组合多个分布，然后将数据拟合到结果dist中，对吗？也许结合高斯分布和威布尔分布？
如何将scipy fit()函数用于混合/多模态分布？
另外，我想用Python (即scipy/numpy/matplotlib)来实现，因为数据生成器是用Python编写的。
非常感谢！
回答 1
Stack Overflow用户
发布于 2015-10-19 12:43:27
我建议使用核密度估计(KDE)。它为您提供了一个混合PDF格式的解决方案。
SciPy只有高斯内核(对于您的特定直方图来说，它看起来很好)，但您可以在statsmodels或scikit-learn包中找到其他内核。
以下是相关函数，以供参考：
from sklearn.neighbors import KernelDensity
from scipy.stats import gaussian_kde
from statsmodels.nonparametric.kde import KDEUnivariate
from statsmodels.nonparametric.kernel_density import KDEMultivariatePython中的KDE的一个很好的资源是here。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/33158726
复制相关文章
相似问题
腾讯云开发者
