朴素贝叶斯分类器中的Python偏度和峰度

我正在用Python创建一个朴素的贝叶斯分类器，它将能够根据某一天的一些天气数据猜测它的月份

目前，平均值和标准偏差用于对月份进行分类，但我认为增加偏度和峰度可能有助于提高准确性

我目前正在使用scipy.stats.norm.cdf来计算概率，但在Python中似乎找不到任何考虑偏度和峰度的cdf函数

我觉得我可能没有正确理解偏度和峰度。偏度和峰度对cdf函数有影响，因此我希望它们作为参数给出

---

我对偏度、峰度和cdf函数的理解有什么根本性的错误吗？如果没有，那么我在哪里可以找到Python中考虑所有这些参数的cdf函数的实现？

正态分布，您使用（scipy.stats.norm）在朴素贝叶斯中，典型的一维条件分布模型是由两个参数明确定义的——its

mean

和

std

。指定偏度/峰度没有意义，因为它们对于您的分布是恒定的（尤其是峰度为3）

您所考虑的可能是皮尔逊分布，它用于拟合更多的矩（均值、标准差、偏度和峰度）

---

这可能无法解决您的问题，但请看一看：在正态分布中，偏度和峰度都为零，因此，如果您希望以某种方式从这些参数定义分布，则必须使用不同类型的分布。