加快SciPy自定义分布抽样和拟合的建议

Question

我正在尝试使用scipy将自定义分布适合大型（〜O（500,000）个测量值）数据集。我已经基于其他一些因素得出了理论上的PDF，但是无论是手工操作还是使用符号集成软件，我都无法找到CDF的确切形式。

当前，仅从我的自定义分布中评估1000个随机样本是很昂贵的，我认为这是由于需要反转未知的CDF。如果我找不到CDF的显式形式并且它是相反的，那么我还能采取其他措施来加快CDF的使用速度吗？

我已经使用过maple，matlab和Sympy来尝试确定CDF，但是都没有给出结果。我还尝试了对数据进行下采样，同时仍然保留了tail属性，但这仍然需要大量数据，以至于在分发过程中执行任何操作都很缓慢。

我的发行版是SciPy的rv_continuous类的子类。

谢谢您的建议。

Answer 1

听起来您想从Kernel Density Estimation的概率分布中取样。尽管Scipy确实提供了高斯内核程序包，但对于许多测量，使用sklearn's implementation会更好。可以在Jake VanderPlas的blog上找到带有代码示例的好资源。