scipy.stats.weibull_min.fit是如何产生最初的猜测的？

Question

我在看min.fit的源代码。这可以在infrastructure.py#L2157找到。此函数返回三个拟合参数。例如：

import numpy
numpy.random.seed(4)
from scipy.stats import weibull_min
samples = weibull_min.rvs(0.4,  loc=0, scale=1.5, size = 10)
weibull_min.fit(samples)
(0.44243114317044474, 0.01717442938653987, 10.61124981692991)

它似乎通过调用scipy.optimize.fmin来找到最大的可能性，如下所示：

vals = optimizer(func, x0, args=(ravel(data),), disp=0)

但这需要一个初步的猜测x0。这是做什么的？这似乎是相关的源代码中的行，但它不能帮助我回答这个问题。 简而言之，使用scipy.optimize.fmin与weibull_min.fit(示例)对应的完全等效代码行是什么？

Answer 1

fit似乎调用了_fitstart(data)，其结果保存在args中，然后传递给_reduce_func ( args列表末尾总是+- 2参数)。

在_fitstart中，_fit_loc_scale_support(data,...)又被称为fit_loc_scale(data,...)，这似乎就是魔术发生的地方:基本上，平均偏差和标准差都是计算出来的，然后是“后处理”_fit_loc_scale_support。然后，为所有其他参数(在本例中为一个)提供一个1。因此，这两个参数基本上被用作分布的位置参数和缩放参数的初始猜测，加上第一个“形状参数”的1。