当前位置：文江博客话题详情

如何找到数据列表的最佳拟合分布函数？

发布于 2024-11-02 23:52:08 字数 159 浏览 3 评论 0原文

我知道 Python 内置了许多概率函数，带有 random 模块。

我想知道，给定一个浮点数列表，是否有可能找到最适合该列表的分布方程？

我不知道 numpy 是否这样做，但这个函数可以与 Excel 的“趋势”函数进行比较（不相等，但相似）。

我该怎么做呢？

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

浅紫色的梦幻 2024-11-09 23:52:08

看看 numpy.polyfit

numpy.polyfit(x, y, deg, rcond=None, full=False)

最小二乘多项式拟合。
将 deg 度数的多项式 p(x) = p[0] * x**deg + ... + p[deg] 拟合到点
（x，y）。返回最小化平方误差的系数 p 向量。

Look at numpy.polyfit

numpy.polyfit(x, y, deg, rcond=None, full=False)

Least squares polynomial fit.
Fit a polynomial p(x) = p[0] * x**deg + ... + p[deg] of degree deg to points
(x, y). Returns a vector of coefficients p that minimises the squared error.

回复收藏 0 原文

默嘫て 2024-11-09 23:52:08

还有 curve_fit

from scipy.optimize import curve_fit

there's also curve_fit

from scipy.optimize import curve_fit

回复收藏 0 原文

自由如风 2024-11-09 23:52:08

您可能想尝试 statsmodels.tsa 中的时间序列分析。查看下面的代码：

from statsmodels.tsa.seasonal import seasonal_decompose
decomp = seasonal_decompose(df_train)

trend = decomp.trend
seasonal = decomp.seasonal
residual = decomp.resid

一个警告。我发现季节性部分不能很好地处理异质性——当你的周期函数振幅随时间增长时。它保持周期性幅度恒定（这是季节性的一部分），然后您的残差将显示周期性效应。

You may want to try the time series analysis in statsmodels.tsa. Check out the code below:

from statsmodels.tsa.seasonal import seasonal_decompose
decomp = seasonal_decompose(df_train)

trend = decomp.trend
seasonal = decomp.seasonal
residual = decomp.resid

One caveat. I found the seasonal part not to handle heterostascedy well -- this si when your periodic function amplitude grows with time. It keeps the periodic amplitude constant (that is part of seasonal) and then your residual will show a periodic effect.

回复收藏 0 原文