从this question开始，有没有办法使用MLE以外的任何方法（最大似然估计）来拟合scipy中的连续分布？我认为我的数据可能导致MLE方法出现分歧，所以我想尝试使用矩阵的方法，但我不知道如何在scipy中做到这一点。具体来说，我期待找到像
这样的东西scipy.stats.genextreme.fit(data, method=method_of_moments)
有谁知道这是否可能，如果可以，怎么做？
答案 0 :(得分：2)
很少提及：
1）scipy不支持GMM。通过statsmodels（http://statsmodels.sourceforge.net/stable/gmm.html）对GMM提供了一些支持，你也可以通过Rpy2访问许多R例程（而且R必然会有各种GMM风格的发明）：http://rpy.sourceforge.net/rpy2/doc-2.1/html/index.html
2）关于收敛的稳定性，如果这是问题，那么可能你的问题不在于目标被最大化（例如，可能性，而不是广义时刻），而是优化者。渐变优化器可能非常挑剔（或者说，我们给它们的问题并不适合梯度优化，导致收敛性差）。
如果statsmodels和Rpy没有为您提供所需的例程，那么将您的时刻计算写出详细可能是一个好主意，并了解如何自己最大化它 - 也许定制的小工具可以很好地工作为你？