【知识建设】面向应用的高斯核密度估计——scipy.stats.gaussian_kde

scipy.stats.gaussian_kde 一个用于高斯核密度估计的python类，使用的前提是import scipy

高斯核密度估计

使用非参数估计的方式估计一个随机变量的概率密度函数，在深度学习中，我们获得的数据集基本是以离散形式出现的，如果想用这些离散值获得其概率密度函数，就可以使用高斯核密度估计来达到

参数

dataset：array_like，需要评估的数据点，对于单变量数据是一个一维数组，否则就是一个带维度的二维数组

bw_method

weights

（后两个参数暂时还没用到，先不整理了）

方法

pdf(x)：在给定的点集x上评价估计的概率密度函数（我的理解是，这边给定一个x，就会得到这个x在原gaussian_kde对象对应的概率密度值）最常用

integrate_gaussian(mean, cov)：将估计的密度乘以一个多元Gaussian函数，并对整个空间积分（mean是一个1-D数据，指定Gaussian函数的均值，cov是一个2-D数组，指定Gaussian的协方差矩阵）