如何为数据列表找到最佳拟合分布函数？

Question

我知道Python里面有很多概率函数，都是在random模块里。

我想知道，如果给我一个浮点数的列表，能不能找到一个最适合这个列表的分布方程？

我不太确定numpy能不能做到这一点，但这个功能可以和Excel里的“趋势”功能做个比较（虽然不完全一样，但有点像）。

那我该怎么做呢？

Answer 1

你可以试试在 statsmodels.tsa 里做时间序列分析。下面是一些代码供你参考：

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

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

不过有一点需要注意。我发现季节性部分对异方差的处理不是很好——异方差指的是你的周期性函数的幅度随着时间的推移而增大。它会保持周期幅度不变（这就是季节性的一部分），然后你的残差（也就是实际值和预测值之间的差）会显示出周期性的影响。

Answer 2

还有一个叫做curve_fit的东西。

from scipy.optimize import curve_fit

Answer 3

看看 numpy.polyfit

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

最小二乘法多项式拟合。

这个方法可以把一个多项式 p(x) = p[0] * x**deg + ... + p[deg]（这里的 deg 是多项式的最高次数）拟合到一组点 (x, y) 上。它会返回一组系数 p，这些系数能让拟合的结果和实际数据之间的误差平方和最小。