Python scipy.stats.weibull_min.fit如何产生其初始猜测？

我正在查看的源代码。这可在以下网址找到。此函数返回三个拟合参数。例如：

import numpy
numpy.random.seed(4)
from scipy.stats import weibull_min
samples = weibull_min.rvs(0.4,  loc=0, scale=1.5, size = 10)
weibull_min.fit(samples)
(0.44243114317044474, 0.01717442938653987, 10.61124981692991)

通过调用，似乎可以找到最大可能性，如下所示：

vals = optimizer(func, x0, args=(ravel(data),), disp=0)

但这需要一个初步的猜测。这个设定是什么？这似乎 是相关的，但这对我没有帮助 回答问题

简言之，使用scipy.optimize.fmin的与weibull_min.fit（样本）相对应的完整等效代码行是什么

---

它似乎是

fit

调用，其结果保存在

args

中，然后传递给（始终是

args

列表末尾的+-2个参数）

---

在

\u fit\u loc\u scale\u support（data，…）

中调用，这再次调用了神奇的地方：基本上计算平均值和标准偏差，然后在

\u fit\u loc\u scale\u support中进行“后处理”

。然后为所有其他参数（在本例中为一个）预先设置一个

1

。因此，这两个参数基本上被用作分布的位置和缩放参数的初始猜测，再加上第一个“形状参数”的

1

。

对于问题中的示例，是否有可能明确说明这些初始猜测是什么？我使用了

numpy.random.seed（4）

as

numpy.seed

似乎不存在。然后我得到

x0==[1.0，-4.875442806278793，16.482864588854564]

（使用PyCharm的调试器很容易，只需在调用优化器之前设置一个断点即可。）这很有趣。从loc的负值开始看起来一点也不合理。为什么你要使用numpy作为种子而不是内置的随机模块？@MilkyWay90没有很好的理由。我不明白哪个种子影响哪个功能。内置的随机种子也控制了随机性吗？