jax.scipy.stats.gaussian_kde

jax.scipy.stats.gaussian_kde#

class jax.scipy.stats.gaussian_kde(dataset, bw_method=None, weights=None)[源代码]#

高斯核密度估计器

参数:

dataset (Any) – 类数组，实数值。从中估计分布的数据。如果是 1D，则形状为 (n_data,)。如果是 2D，则形状为 (n_dimensions, n_data)。
bw_method – 字符串、标量或可调用对象。可以是“scott”、“silverman”、一个标量值，或一个将 self 作为参数的可调用函数。
weights (Any) – 类数组，可选。与数据集形状相同的权重。

方法

`__init__`(dataset[, bw_method, weights])
`evaluate`(points)	在给定点上评估高斯 KDE。
`integrate_box`(low_bounds, high_bounds[, maxpts])	此方法未在 JAX 接口中实现。
`integrate_box_1d`(low, high)	在给定限制范围内积分分布。
`integrate_gaussian`(mean, cov)	将分布与高斯加权积分。
`integrate_kde`(other)	积分两个高斯 KDE 分布的乘积。
`logpdf`(x)	对数概率密度函数
`pdf`(x)	概率密度函数
`resample`(key[, shape])	从估计的 pdf 中随机采样数据集
`set_bandwidth`([bw_method])	此方法未在 JAX 接口中实现。
`tree_flatten`()
`tree_unflatten`(aux_data, children)

属性