Python 拟合多峰分布

假设我们有两个正态分布的线性组合。我想人们会把这个结果称为一个错误

如您所见，我们有两个正态分布的线性组合，其参数分别为

（mu1=0，s1=5）

和

（mu2=20，s2=10）

。当然，我们通常事先不知道这些参数

---

我想知道如何估计或拟合这些参数（mus和sigmas）。我相信有一些方法可以做到这一点，但我还没有找到任何方法。

您所描述的问题是一种特殊情况。为了能够估计这些参数，您需要一些样本。如果您没有样本，但得到了曲线，则可以基于曲线生成一些样本。然后可以使用来估计参数。Scikit learn有一种方法可以让您做到这一点：。您只需提供样本、组件数量（

n\u components

）以及协方差类型（在您的情况下为

full

），因为您对协方差矩阵没有事先假设。

您可能希望使用该算法

这是一种迭代方法，允许您拟合混合组分的模型。 scikit learn中有一个非常方便的实现：

我发现很难弄清楚该算法的数据结构，因此我为您设置了一个示例：

---

您希望符合哪些参数？数据以什么形式出现？（样本值、直方图等）您有一个样本x1、x2、x3等。。。。xn？啊！我知道我早该知道的！我在寻找最大似然法，但不知怎的，我没能找到！谢谢，这应该有用：）嘿：）我有一个跟进问题，我原来的一个。也许你也这么认为？你也有机会吗？这个问题是这个问题的后续问题。我没有考虑过“边境”案件。

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm

ls = np.linspace(0, 60, 1000)

distribution = norm.pdf(ls, 0, 5) + norm.pdf(ls, 20, 10)
distribution = (distribution * 1000).astype(int)
distribution = distribution/distribution.sum()

plt.plot(ls, distribution)