我有一个数据集，我需要适合GEV分布。数据是一维的，存储在numpy数组中。目前，我正在使用scipy.stats.genextreme.fit(data)，它工作正常，但给出完全不准确的结果(通过绘制pdf明显)。经过一番调查，我发现我的数据不能很好地适应日志空间，而scipy在其MLE拟合算法中使用了日志空间，所以我需要尝试像GMM这样的东西，它只在统计模型中可用。问题是，我找不到任何看起来像scipy的fit函数。我找到的所有例子似乎都要处理比我手头上复杂得多的数据。此外，statsmodels需要endog和exog参数的一切，我不知道这些是什么。
这应该是非常简单的，所以我肯定我错过了一些明显的东西。是否有人以这种方式使用统计模型，如果是这样，任何指针，如何做到这一点?
我猜你想要高斯混合模型(GMM)而不是广义矩法(GMM)。以前的GMM可以在scikit-learn中找到。后者在statmodels中有代码，但它还在进行中。
EDIT实际上我不清楚你想要GMM。也许您只想要一个核密度估计器(KDE)。这可以在statmodels中使用
示例嗯，如果你确实想使用(广义)矩法来拟合某种概率加权的GEV，那么你需要指定力矩条件，但是我没有一个现成的例子(G)MM在统计模型中如何指定力矩条件。你最好在邮件列表中询问。