scipy中的矩方法？

【问题标题】：Method of moments in scipy?scipy中的矩方法？
【发布时间】：2026-01-24 21:10:01
【问题描述】：

从this question 开始，有没有办法使用 MLE（最大似然估计）以外的任何方法来拟合 scipy 中的连续分布？我认为我的数据可能导致MLE方法发散，所以我想尝试使用moments的方法，但我无法在scipy中找到如何做到这一点。具体来说，我希望找到类似的东西

scipy.stats.genextreme.fit(data, method=method_of_moments)

有谁知道这是否可行，如果可以怎么做？

【问题讨论】：

【解决方案1】：

有几件事要提：

1) scipy 不支持 GMM。通过statsmodels (http://statsmodels.sourceforge.net/stable/gmm.html) 对 GMM 有一些支持，您还可以通过Rpy2 访问许多 R 例程（并且R 必然会拥有有史以来发明的各种 GMM）：http://rpy.sourceforge.net/rpy2/doc-2.1/html/index.html

2）关于收敛的稳定性，如果这是问题所在，那么您的问题可能不是最大化目标（例如可能性，而不是广义时刻），而是优化器。梯度优化器可能真的很挑剔（或者更确切地说，我们给它们的问题并不真正适合梯度优化，导致收敛性差）。

如果 statsmodels 和 Rpy 不能为您提供所需的例程，最好将您的时刻计算详细地写出来，然后看看如何自己最大化它 - 也许定制的小工具会很好用给你？

【讨论】：