在Python中使用3D数据实现2样本KS测试

Question

我有两个 3D 分布，我想对这两个样本运行 Kolmogorov-Smirnov 测试 来测量它们的相似性。 scipy.stats 有一个在 1 维度 中实现的 2 样本 K-S 测试的实现，我发现了 2 维度 中的实现，但没有在 3 维（或 N 维）中实现。

有人可以对 3D 分布实施 2 样本 K-S 检验吗？

Answer 1

KS 测试不容易推广到多个维度；请参阅有关该问题的 KS 测试的维基百科文章。即使您可以找到或创建合适的概括，我想知道您是否真的想这样做，因为显着性测试通常在大型数据集上毫无用处。

如果您想量化分布之间的差异，我的建议是考虑基于熵的量，例如互信息或 Kullback-Leibler 散度。

也许您可以在这里详细说明您的目标。

Answer 2

查看我的 Python 库 genai-evaluation，它就是这样做的：任何维度中两个观察到的（经验）分布之间的 KS 距离。