安装测试版发行版（python）-请澄清

我正在用beta.fit（W）拟合beta发行版。W的值未达到[0,1]边界。我的问题是，我是否需要通过beta.fit（W，loc=min（W），scale=max（W）-min（W））强制[0,1]边界，或者我是否可以假设只要数据在[0,1]范围内，拟合“就可以了”？显然，缩放数据应该给出不同的a和b值。哪一个是“正确的”

这个问题涉及：

不幸的是，当数据在预期范围内时，没有给出有效的答案

我试图用已知的a和b值拟合生成的数据，但这两种技术都没有很好的拟合效果，尽管缩放似乎有点帮助

---

谢谢

当没有传递

floc

和

fscale

参数时，尝试估计它们。如果您知道数据在特定的时间间隔内，您应该让fit函数知道这些附加信息（通过自己设置参数），以改进拟合。您还可以对α、β和比例参数进行初步猜测（通过

loc

和

scale

关键字参数）；不过，SciPy的默认猜测功能似乎相当复杂

---

从样本集的限制中导出

floc

和

fscale

，因为对于大多数α和β值，β分布在区间边界处为零，这意味着您在数据和所有可能的拟合之间产生了很大的差异。

如果要修正loc或scale，请使用

.fit（…，floc=…，fscale=…）

。我的印象是scale和loc用于缩放[0,1]中没有的变量间隔，且在刻度范围内始终为1且loc=0，即输入数据中没有任何变化。您所说的是，数据以某种方式进行了缩放。因此，如果给定的样本都来自某个[alpha，beta]，但不跨越整个[0,1]，估计本质上是不正确的。我说得对吗？否则，我无法理解拟合函数支持的大于1的标度值，因为β仅在[0,1]上定义…感谢β分布通过应用变换

y=（x-loc）将其参数全局转换为[0,1]/缩放

。这并不局限于[0,1]间隔之外的数据。因此，它并不总是准确地工作……当我提供范围内的元素时，比如[0.05,0.5]，我希望拟合没有给定样本之外的平均值，比如0.6。显然，alg没有考虑到这一点，无论是否缩放……再次感谢