Matlab或Java中直方图分布的自动拟合

我有一个特征的直方图（机器学习）。这意味着在x轴上我有几个特征值，在y轴上我有出现的次数

如果我不知道它是哪种类型的分布（正态分布或几何分布等），在Matlab（或Java）中是否可能自动将概率分布拟合到此直方图？这意味着Matlab（或Java）应该找出它是哪个分布，并给我最佳参数

问题是我有很多特性，手动检查这些特性需要花费太多时间

编辑：我发现以下Matlab工具可以完成这项工作：不幸的是，它只支持参数化模型

---

我现在有点糊涂了。我已经读到，我必须规范化我的直方图，以便我看到的是经验概率，而不是数字。如果我想尝试所有可能的参数分布并选择最好的，这是真的吗？如何在Matlab中实现这种规范化？

我不知道有任何工具能够自动找到最佳的分布类型。但是，由于实际数据通常不完全对应于一个分布，并且存在任意数量的可能分布，因此这种工具的存在也没有什么意义

---

我建议您将问题局限于某些分布模型（高斯分布、对称分布等），计算相应模型的最佳拟合，为每个拟合生成一个似然参数，然后选择似然度最高的拟合/模型。

无需任何培训+建模，您最好的办法是对数据强制执行每个分布，并计算RMSE（或其他方法来说明分布与您的数据的匹配程度），然后选择RMSE最低的一个，但这远远不理想，而且很容易导致错误。@我已经更新了我的问题。如果您对参数化模型不感兴趣，然后你需要对你的问题做更多的解释。为什么您认为参数化模型是不够的？如果您对参数化模型不感兴趣，为什么不使用经验分布呢？您有兴趣使用什么样的配件标准？你为什么要试穿？您希望通过此配件实现什么？您删除了很多上下文（这很好），但是当您所述问题的答案（allfitdist）不够好时，您需要说明更多。您在编辑1中发布的链接正是我所说的，如果您阅读此处的文件描述，此工具箱基本上使用了许多分发版来尝试适合您的数据。每次计算RMSE并在最后确定最佳拟合。你实际上不需要把事情复杂化。首先，您想尝试什么发行版？正态、线性、二次等？您只需要编写一个带有IF条件的循环就可以做到这一点。相信我，这很容易。同样要回答你的编辑2，将数据标准化为PDF不会改变你的拟合，是的，它会改变你的RMSE计算。所以你要么把它们都标准化，要么什么都不标准化。在比较每个直方图时，标准化是一种很好的做法，但不会影响曲线拟合。谢谢您的回答。请参阅我在原始帖子中的第二次编辑。标准化表示直方图的总体概率为1。要在matlab中为vetcor“data”执行此操作，您可以使用：data=data./sum（data）；使总和（数据）=1；