Für eine Klassifizierungsaufgabe möchte ich eine Gammaverteilung an zwei Datenpaare anpassen: Distanzpopulation innerhalb einer Klasse und zwischen Klassen. Dies dient zum Bestimmen der theoretischen Rate für falsches Akzeptieren und falsches Zurückweisen.

Die Passform, mit der Scipy zurückkehrt, verwirrt mich. Eine grafische Darstellung der Daten ist unten zu sehen, wobei Kreise innerhalb der Klassenabstände und x-es zwischen den Klassenabständen bedeuten, die durchgezogene Linie das angepasste Gamma innerhalb der Klasse und die gepunktete Linie das angepasste Gamma zwischen den Klassenabständen.

Was ich erwartet hätte, ist, dass die Gammakurven bei ungefähr ~ 10 und ~ 30, nicht bei 0 für beide, ihren Höhepunkt haben würden. Weiß jemand, was hier falsch läuft?

Das ist mein Code:

pos = [7.4237931034482765, 70.522068965517235, 9.1634482758620681, 22.594137931034485, 7.3003448275862075, 6.3841379310344841, 10.693448275862071, 7.5237931034482761, 7.4079310344827594, 7.2696551724137928, 8.5551724137931036, 17.647241379310344, 7.8475862068965521, 14.397586206896554, 32.278965517241382]
neg = [32.951724137931038, 234.65724137931034, 25.530000000000001, 33.236551724137932, 258.49965517241378, 33.881724137931037, 18.853448275862071, 33.703103448275861, 33.655172413793103, 33.536551724137929, 37.950344827586207, 34.32586206896552, 42.997241379310346, 100.71379310344828, 32.875172413793102, 30.59344827586207, 19.857241379310345, 35.232758620689658, 30.822758620689655, 34.92896551724138, 29.619310344827586, 29.236551724137932, 32.668620689655171, 30.943448275862071, 30.80344827586207, 88.638965517241374, 25.518620689655172, 38.350689655172417, 27.378275862068971, 37.138620689655177, 215.63379310344828, 344.93896551724134, 225.93413793103446, 103.66758620689654, 81.92896551724138, 59.159999999999997, 463.89379310344827, 63.86827586206897, 50.453103448275861, 236.4603448275862, 273.53137931034485, 236.26103448275862, 216.26758620689654, 170.3003448275862, 340.60034482758618]

alpha1, loc1, beta1=ss.gamma.fit(pos, floc=0)
alpha2, loc2, beta2=ss.gamma.fit(neg, floc=0)

plt.plot(pos,[0.06]*len(pos),'ko')
plt.plot(neg,[0.04]*len(neg),'kx')

x = range(200)
plt.plot(x,ss.gamma.pdf(x, alpha1, scale=beta1), '-k')
plt.plot(x,ss.gamma.pdf(x, alpha2, scale=beta2), ':k')
plt.xlim((0,200))

Den Trick mit floc = 0 habe ich von hier bekommen:Warum hat die Gamma-Verteilung in SciPy drei Parameter? Es erzwingt jedoch nicht immer, dass loc1 und loc2 0 sind: /