了解文档中如何使用DPPy以及如何将其应用于RealD

Question

我试图使用Determinantal Point Processes（DPPs）来“建模”我的数据分布，特别是任务的“执行时间”。为了更清楚，我有一个数据集，其中包含order_id和wait_time列（由于保密原因，我无法共享这些列），它记录了客户等待订单的时间（以秒为单位）

到目前为止，我只使用内部的sklearn分布（参考How to find probability distribution and parameters for real data? (Python 3)）获得了最佳拟合分布。我最近偶然发现了文章https://arxiv.org/abs/1809.07258，其中有一个Python实现

我仍在试图理解文档的某些部分，比如https://dppy.readthedocs.io/en/latest/finite_dpps/definition.html和https://dppy.readthedocs.io/en/latest/finite_dpps/exact_sampling.html#finite-dpps-exact-sampling-k-dpps。我的目标是获得下一年（如2015年）数据的模拟样本，使用上述2014年的当前数据集，例如

是否可以利用dppy使用我当前的数据集获取这些模拟样本？我目前正在查看documentation中的以下代码以获取示例：

import numpy as np
from dppy.finite_dpps import FiniteDPP

rng = np.random.RandomState(1)

r, N = 5, 10
# Random feature vectors
Phi = rng.randn(r, N)
DPP = FiniteDPP('likelihood', **{'L': Phi.T.dot(Phi)})

k = 4
for _ in range(10):
    DPP.sample_exact_k_dpp(size=k, random_state=rng)

print(list(map(list, DPP.list_of_samples)))

我是否走上了正确的道路，或者我只是对dppy在我的案例中的应用有一个很大的误解

我知道这个网站可能不适合这个问题，但如果我能从我的发现和理解中得到一些指导和/或建议，那就太好了，DPP还没有（可能有，但无法找到示例）在Python中为我这样的用例实现