如何找到真实数据的概率分布和参数？（Python 3）- AskGo

如何找到真实数据的概率分布和参数？（Python 3）

machine-learning

python

我有一个来自sklearn的数据集，并绘制了load_diabetes.target数据的分布图（即， load_diabetes.data用于预测的回归值）。

我使用它是因为它具有回归sklearn.datasets的变量/属性最少的数量。

使用Python 3， 如何获得最相似的分布类型和分布参数？

我所知道的target都是正的和偏斜的（正偏斜/右偏斜）。。。 Python中是否有办法提供一些分布，然后最适合target数据/向量？或者，根据给出的数据实际建议适合度？对于那些具有理论统计知识但很少将其应用于“真实数据”的经验的人来说，这将是非常有用的。

好处使用这种方法来找出“真实数据”的后验分布会有意义吗？如果没有，为什么不呢？

from sklearn.datasets import load_diabetes
import matplotlib.pyplot as plt
import seaborn as sns; sns.set()
import pandas as pd

#Get Data
data = load_diabetes()
X, y_ = data.data, data.target

#Organize Data
SR_y = pd.Series(y_, name="y_ (Target Vector Distribution)")

#Plot Data
fig, ax = plt.subplots()
sns.distplot(SR_y, bins=25, color="g", ax=ax)
plt.show()

在此处输入图片说明

参考资料：

Stack Overflow

2020-06-09 20:03:21 更新

昂芸馨• 669

共 3 个回答

高赞时间活跃

使用这种方法

import scipy.stats as st
def get_best_distribution(data):
    dist_names = ["norm", "exponweib", "weibull_max", "weibull_min", "pareto", "genextreme"]
    dist_results = []
    params = {}
    for dist_name in dist_names:
        dist = getattr(st, dist_name)
        param = dist.fit(data)

        params[dist_name] = param
        # Applying the Kolmogorov-Smirnov test
        D, p = st.kstest(data, dist_name, args=param)
        print("p value for "+dist_name+" = "+str(p))
        dist_results.append((dist_name, p))

    # select the best fitted distribution
    best_dist, best_p = (max(dist_results, key=lambda item: item[1]))
    # store the name of the best fit and its p value

    print("Best fitting distribution: "+str(best_dist))
    print("Best p value: "+ str(best_p))
    print("Parameters for the best fit: "+ str(params[best_dist]))

    return best_dist, best_p, params[best_dist]

2020-06-04 12:38:02 更新

Rosemary Ruskin• 644

您可以使用该代码使数据符合（根据最大可能性）不同的分布：

import matplotlib.pyplot as plt
import scipy
import scipy.stats

dist_names = ['gamma', 'beta', 'rayleigh', 'norm', 'pareto']

for dist_name in dist_names:
    dist = getattr(scipy.stats, dist_name)
    param = dist.fit(y)
    # here's the parameters of your distribution, scale, location

您可以看到有关如何使用此处获得的参数的样本片段：使用Scipy（Python）使经验分布适合理论分布吗？

然后，您可以选择具有最佳对数可能性的分布 （还有其他条件可以匹配“最佳”分布，例如贝叶斯后验概率，AIC，BIC或BICc值等）。

对于您的奖金问题，我认为没有通用的答案。如果您的数据集很重要，并且是在与真实单词数据相同的条件下获得的，则可以这样做。

2020-06-04 12:37:51 更新

Carl Agnes• 709

据我所知，没有自动的方法来获取样本的分布类型和参数（因为推断样本的分布本身就是一个统计问题）。

我认为，您能做的最好的事情是：

（对于每个属性）

尝试使每个属性适合可能分布的相当大的列表（例如，有关使用Scipy（Python）使经验分布适合于理论分布的示例，请参见使用Scipy的示例）
评估您的所有健康状况并选择最合适的。这可以通过在样本与拟合的每个分布之间执行Kolmogorov-Smirnov检验（再次在Scipy中实现），然后选择一个将检验统计量D最小化的方法来完成（也就是样本和拟合）。

奖励：这很有道理-当您为每个变量选择合适的模型时，您将在每个变量上建立模型-尽管预测的优劣取决于数据的质量和所使用的分布配件。毕竟，您正在建立模型。

2020-06-04 12:37:34 更新