Python Kolmogorov-Smirnov（ks_2samp）p值不符合预期-测试或理解错误？

上下文

我使用scipy的是为了应用Kolmogorov-Smirnov测试

我使用的数据有两个方面：

我有一个数据集d1，它是一个用于预测机器学习模型m1的评估指标，即MASE平均标度误差。这是大约6000个数据点，意味着使用m1进行6000个预测的MASE结果。 我的第二个数据集d2类似于d1，不同之处在于我使用了第二个模型m2，它与m1略有不同。 两个数据集的分布如下所示：

d1 d2

可以看出，分布情况非常相似。我想用Kolmogorov-Smirnov测试来强调这一事实。然而，我应用k2_samp得到的结果表明相反：

从scipy.stats导入ks_2samp k2_sampd1，d2 KsU 2SampleResultsStatistic=0.04779414731236298，pvalue=3.88028729442682265E-10 据我所知，这样的pvalue表示分布与H0不同。但从图片上可以看出，它确实应该这样做

问题

我是否误解了Kolmogorov-Smirnov的用法，并且该测试不适用于用例/分发类型？ 如果第一个答案是肯定的，我还有什么选择？ 编辑

下面是覆盖图。从回答和评论结束，我假设中间的分歧可能是原因，因为KS是敏感的。

---

关键是您对d2使用了另一个模型，因此Kolmogorov-Smirnov测试预测第二个数据集的分布与d1的分布不同，即使它看起来完全相同。

---

尽管它不是一种概率方法，但是你可以考虑使用这两个数据集进行比较。p> 我也在上发布了这个问题，并在那里获得了有用的见解和答案。我还注意到这个问题的新编辑

Kolmogorov斯米尔诺夫KS对中间偏差非常敏感。从问题中最新发布的覆盖图片中可以看出，右侧存在一些偏差。据推测，这是KS拒绝H0=DF1和df2相同分布的原因

---

要获得更详细的答案，请看谁应该为此获得荣誉。

相貌相像和来自同一地区之间有很大区别。例如，样本1=np.random.normalscale=1，size=6000和样本2=np.random.normalscale=1.25，size=6000的分布看起来很相似，但对这些样本应用KS检验也会得出接近1e-10的p值。