我有一个数据集，我需要适应GEV发行版。数据是一维的，并存储在numpy数组中。目前，我正在使用scipy.stats.genextreme.fit(data)，它可以正常工作，但会给出完全不准确的结果（通过绘制pdf显而易见）。经过一些调查后发现我的数据不适合日志空间，scipy在其MLE拟合算法中使用，所以我需要尝试类似GMM的东西，而这只在statsmodels中可用。问题是，我无法找到任何看起来像scipy fit功能的东西。我发现的所有例子似乎都比我处理的数据要复杂得多。另外，statsmodels需要endog和exog个参数才能发送内容，我不知道这些是什么。
这应该很简单，所以我确定我错过了一些明显的东西。有没有人以这种方式使用statsmodels，如果有的话，任何关于如何做的指针？
答案 0 :(得分：0)
我猜你想要高斯混合模型（GMM）而不是广义矩量法（GMM）。前GMM以scikit-learn here提供。后者在statsmodels中有代码，但它正在进行中。
编辑实际上，我不清楚你想要GMM。也许你只想要一个内核密度估算器（KDE）。这在statsmodels here中可用example
嗯，如果你想要使用(Generalized) Method of Moments来拟合某种概率加权的GEV，那么你需要指定时刻条件，但我没有一个现成的例子对于（G）MM在statsmodels中的指定时刻条件。你可能最好在邮件列表上询问。