[英]Fitting data with a custom distribution using scipy.stats
所以我注意到scipy
中沒有scipy
廣義t分布的scipy
。 對我來說,適合這是對我的一些數據的分配是有用的。 不幸的是,在這種情況下, fit
似乎並不適用於我。 為了進一步解釋,我已經實現了它
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
這一切都很好,我可以生成給定參數的隨機變量沒問題。 _argcheck
是必需的,因為只有一個簡單的積極參數檢查不合適。
sgt_inst = sgt(name='sgt')
vars = sgt_inst.rvs(mu=1, sigma=3, lam = -0.1, p = 2, q = 50, size = 100)
但是,當我嘗試fit
這些參數時,我得到一個錯誤
sgt_inst.fit(vars)
RuntimeWarning:減法中遇到無效值
numpy.max(numpy.abs(fsim [0] - fsim [1:]))<= fatol):
它只是回來了
我發現奇怪的是,當我實現文檔中所示的示例自定義高斯分布時,運行fit
方法沒有問題。
有任何想法嗎?
正如fit
docstring所說,
擬合的起始估計由輸入參數給出; 對於沒有提供起始估計的任何參數,
self._fitstart(data)
來生成這樣的參數。
調用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)
(前五個是形狀參數,后兩個是loc和scale)。 看起來_fitstart
不是一個復雜的過程。 參數l
它選擇不符合您的要求argcheck。
結論:提供fit
自己的起始參數,例如:
sgt_inst.fit(data, 0.5, 0.5, -0.5, 2, 10)
對於我的隨機數據(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)
。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.