KolmogorovSmirnov（ks samp）p值不是预期的错误测试或理解？

Question

上下文

我使用scipy'sks_samp来应用Kolmogorov-Smirnov检验。你知道吗

我使用的数据有两个方面：

1. 我有一个数据集d1，它是一个用于预测机器学习模型m1（即MASE-平均标度误差）的评估指标。这大约是6000个数据点，意味着使用m1进行6000个预测的MASE结果。你知道吗
2. 我的第二个数据集d2类似于d1，不同之处在于我使用了第二个模型m2，它与m1略有不同。你知道吗

两个数据集的分布如下所示：

d1

d2

可以看出，分布看起来非常相似。我想用Kolmogorov-Smirnov测试来强调这个事实。然而，我应用k2_samp得到的结果却恰恰相反：

from scipy.stats import ks_2samp

k2_samp(d1, d2)

# Ks_2sampResult(statistic=0.04779414731236298, pvalue=3.8802872942682265e-10)

据我所知，这样的pvalue表示分布不一样（拒绝H0）。但从图片上可以看出，它绝对应该。你知道吗

问题

1. 我是否误解了Kolmogorov-Smirnov的用法，并且该测试不适用于用例/类型的分发？你知道吗
2. 如果第一个答案是肯定的，我还有什么选择？你知道吗

---

编辑

下面是覆盖图。从对Cross Validated的回答和评论中得出结论，我认为“中间”的分歧可能是原因，因为KS在那里是敏感的。

Answer 1

关键是您对d2使用了另一个模型，因此Kolmogorov-Smirnov测试预测第二个数据集的分布与d1的分布不同，即使它看起来完全相同。 尽管这不是一种概率方法，但是您可以考虑使用np.allclose来比较这两个数据集。你知道吗

Answer 2

我也在Cross Validated上发布了这个问题，并在那里得到了有用的见解和答案（还要注意这个问题的新编辑）。你知道吗

<> Kolmogorov Smirnov（KS）对中间偏位非常敏感。正如可以看到在新发布的覆盖图片中的问题，右有一些偏差。据推测，这是KS拒绝H0（=相同分布的df1和df2）的原因。你知道吗

要获得更详细的答案，请参见@BruceETs answer on Cross Validated谁应该为此获得荣誉。你知道吗