用Python學線性代數：概率密度函式擬合
阿新 • • 發佈：2021-12-11
問題
如果有一組資料，如何確定他們來自哪個統計分佈？
從資料分析的角度，我們並不想要通過嚴格的統計方法去找到這個分佈，Python中有一個可以自動擬合數據分析的庫 —— distfit 。這是一個python包，用於通過殘差平方和（RSS）和擬合優度檢驗（GOF）對89個單變數分佈進行概率密度擬合，並返回最佳分佈。
distfit 簡單又好用
# 安裝
pip install distfit
distfit 常見的用法：
.fit_transform(): 在經驗資料 X 上擬合分佈
.summary:獲得擬合數據（內部）並測試擬合優度的所有分佈的摘要。
.predict():預測響應變數的概率
.model
.plot(): 繪製最佳的擬合分佈
示例
from distfit import distfit
import numpy as np
X = np.random.normal(0, 2, [100,10])
y = [-8,-6,0,1,2,3,4,5,6]
dist = distfit(todf=True)
dist.fit_transform(X)
dist.plot()
輸出用於擬合過程的函式列表，它使用最流行的 10 個發行版的列表進行掃描。
[distfit] >[norm ] [0.00 sec] [RSS: 0.0120713] [loc=-0.047 scale=1.984] [distfit] >[expon ] [0.0 sec] [RSS: 0.4092169] [loc=-7.320 scale=7.273] [distfit] >[pareto ] [0.06 sec] [RSS: 0.4098607] [loc=-98251992.546 scale=98251985.226] [distfit] >[dweibull ] [0.01 sec] [RSS: 0.0229391] [loc=-0.046 scale=1.721] [distfit] >[t ] [0.04 sec] [RSS: 0.0120717] [loc=-0.047 scale=1.984] [distfit] >[genextreme] [0.05 sec] [RSS: 0.0107445] [loc=-0.755 scale=1.981] [distfit] >[gamma ] [0.04 sec] [RSS: 0.0118907] [loc=-191.812 scale=0.021] [distfit] >[lognorm ] [0.09 sec] [RSS: 0.0117103] [loc=-107.148 scale=107.084] [distfit] >[beta ] [0.03 sec] [RSS: 0.0116300] [loc=-14.479 scale=28.973] [distfit] >[uniform ] [0.0 sec] [RSS: 0.2545746] [loc=-7.320 scale=12.835] [distfit] >[loggamma ] [0.04 sec] [RSS: 0.0123738] [loc=-360.941 scale=54.518]
當然，distfit 支援的分佈還有很多：
最後繪製最佳的擬合分佈
dist.summary 輸出各分佈的引數。
distr score ... scale arg 0 genextreme 0.0107445 ... 1.9814 (0.27387377680364405,) 1 beta 0.01163 ... 28.9726 (26.055079164665887, 26.248878389403494) 2 lognorm 0.0117103 ... 107.084 (0.01848064379707136,) 3 gamma 0.0118907 ... 0.0205321 (9339.777394183824,) 4 norm 0.0120713 ... 1.98429 () 5 t 0.0120717 ... 1.98428 (1863131.339823592,) 6 loggamma 0.0123738 ... 54.5178 (750.2645425001494,) 7 dweibull 0.0229391 ... 1.72129 (1.2898970802235787,) 8 uniform 0.254575 ... 12.8346 () 9 expon 0.409217 ... 7.27316 () 10 pareto 0.409861 ... 9.8252e+07 (13542571.060345018,)