朴素贝叶斯分类器中的Python偏度和峰度

Question

我正在Python中创建一个朴素贝叶斯分类器，它将能够猜测哪一个月它基于某一天的某些天气数据。

目前使用均值和标准差来对月份进行分类，但我认为添加偏度和峰度可能有助于提高精度。

我目前使用scipy.stats.norm.cdf来计算机会，但我似乎无法在Python中找到任何将偏度和峰度考虑在内的cdf函数。

我觉得我可能不会正确理解偏度和峰度。偏度和峰度对cdf函数有影响，因此我期望它们作为参数给出。

我对偏度，峰度和cdf函数的理解是否有根本错误？如果不是，那么我在哪里可以找到Python中的cdf函数的实现，并将所有这些参数考虑在内？

Answer 1

您正在使用的正态分布（scipy.stats.norm），它通常用于模拟Naive Bayes中的一维条件分布，仅由两个参数 - 其mean和std定义。指定偏度/峰度没有意义，因为它们对于你的分布是恒定的（特别是峰度是3）。

你在想什么可能是一个皮尔逊分布，用于拟合更多的时刻（平均值，标准偏度和峰度）。

http://docs.scipy.org/doc/scipy-0.15.1/reference/generated/scipy.stats.pearson3.html