[英]Fitting data with a custom distribution using scipy.stats
所以我注意到scipy
中没有scipy
广义t分布的scipy
。 对我来说,适合这是对我的一些数据的分配是有用的。 不幸的是,在这种情况下, fit
似乎并不适用于我。 为了进一步解释,我已经实现了它
import numpy as np
import pandas as pd
import scipy.stats as st
from scipy.special import beta
class sgt(st.rv_continuous):
def _pdf(self, x, mu, sigma, lam, p, q):
v = q ** (-1 / p) * \
((3 * lam ** 2 + 1) * (
beta(3 / p, q - 2 / p) / beta(1 / p, q)) - 4 * lam ** 2 *
(beta(2 / p, q - 1 / p) / beta(1 / p, q)) ** 2) ** (-1 / 2)
m = 2 * v * sigma * lam * q ** (1 / p) * beta(2 / p, q - 1 / p) / beta(
1 / p, q)
fx = p / (2 * v * sigma * q ** (1 / p) * beta(1 / p, q) * (
abs(x - mu + m) ** p / (q * (v * sigma) ** p) * (
lam * np.sign(x - mu + m) + 1) ** p + 1) ** (
1 / p + q))
return fx
def _argcheck(self, mu, sigma, lam, p, q):
s = sigma > 0
l = -1 < lam < 1
p_bool = p > 0
q_bool = q > 0
all_bool = s & l & p_bool & q_bool
return all_bool
这一切都很好,我可以生成给定参数的随机变量没问题。 _argcheck
是必需的,因为只有一个简单的积极参数检查不合适。
sgt_inst = sgt(name='sgt')
vars = sgt_inst.rvs(mu=1, sigma=3, lam = -0.1, p = 2, q = 50, size = 100)
但是,当我尝试fit
这些参数时,我得到一个错误
sgt_inst.fit(vars)
RuntimeWarning:减法中遇到无效值
numpy.max(numpy.abs(fsim [0] - fsim [1:]))<= fatol):
它只是回来了
我发现奇怪的是,当我实现文档中所示的示例自定义高斯分布时,运行fit
方法没有问题。
有任何想法吗?
正如fit
docstring所说,
拟合的起始估计由输入参数给出; 对于没有提供起始估计的任何参数,
self._fitstart(data)
来生成这样的参数。
调用sgt_inst._fitstart(data)
返回(1.0, 1.0, 1.0, 1.0, 1.0, 0, 1)
sgt_inst._fitstart(data)
(1.0, 1.0, 1.0, 1.0, 1.0, 0, 1)
(前五个是形状参数,后两个是loc和scale)。 看起来_fitstart
不是一个复杂的过程。 参数l
它选择不符合您的要求argcheck。
结论:提供fit
自己的起始参数,例如:
sgt_inst.fit(data, 0.5, 0.5, -0.5, 2, 10)
对于我的随机数据(1.4587093459289049, 5.471769032259468, -0.02391466905874927, 7.07289326147152 4, 0.741434497805832, -0.07012808188413872, 0.5308181287869771)
返回(1.4587093459289049, 5.471769032259468, -0.02391466905874927, 7.07289326147152 4, 0.741434497805832, -0.07012808188413872, 0.5308181287869771)
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.