如何使用 statsmodels 拟合数据答案

【问题标题】：How to use statsmodels to fit data如何使用 statsmodels 拟合数据
【发布时间】：2014-03-20 02:05:32
【问题描述】：

我有一个需要适应 GEV 分布的数据集。数据是一维的，存储在一个 numpy 数组中。目前，我正在使用scipy.stats.genextreme.fit(data)，它工作正常，但给出的结果完全不准确（通过绘制 pdf 很明显）。经过一番调查，事实证明我的数据不太适合日志空间，而 scipy 在其 MLE 拟合算法中使用了它，所以我需要尝试像 GMM 这样的东西，它只在 statsmodels 中可用。问题是我找不到任何看起来像 scipy 的 fit 函数的东西。我发现的所有示例似乎都处理了比我拥有的复杂得多的数据。另外，statsmodels 需要 endog 和 exog 参数，我不知道这些是什么。

这应该很简单，所以我确定我遗漏了一些明显的东西。有没有人以这种方式使用过 statsmodels，如果有，有任何关于如何使用的指示吗？

【问题讨论】：

statsmodels.sourceforge.net/devel/endog_exog.html
如果您发布一组数据可能会有所帮助，我认为这不是 MLE 方法的问题（statsmodel 可能也使用）。也许您所需要的只是另一个 GEV 相关发行版，Gumbel、Gompertz、Weibull 等，而不是 GEV。
@CTZhu，请参阅我之前发布的 [stackoverflow.com/questions/22167975/… 问题。一位长期从事该主题的专家告诉我，这些数据在日志空间中没有得到很好的表示，因此我探索了替代方案。我已经尝试过其他发行版，但它们也没有给出好的结果。
@larsmans 我读过文档，只是不明白。
exog 是 x，endog 是 y。（那些疯狂的计量经济学家和他们的十美元词...... :)

标签： python numpy scipy statsmodels

【解决方案1】：

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，但正在进行中。

编辑实际上我不清楚你是否想要 GMM。也许您只想要一个内核密度估计器 (KDE)。这在 statsmodels here 和 example 中可用

嗯，如果您确实想使用(Generalized) Method of Moments 来拟合某种概率加权 GEV，那么您需要指定矩条件，但我没有现成的示例（ G)MM 在 statsmodels 中了解如何指定矩条件。您最好在邮件列表中询问。

【讨论】：