jax.scipy.stats.gaussian_kde

jax.scipy.stats.gaussian_kde#

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

高斯核密度估计器

JAX 实现 scipy.stats.gaussian_kde.

参数:

  • dataset (Any) – 类数组，实值。用于估计分布的数据。如果是一维，则形状为 (n_data,)。如果二维，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，或一个以 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。

__init__(dataset, bw_method=None, weights=None)[source]#

方法

__init__(dataset[, bw_method, weights])

evaluate(points)

在给定的点上评估高斯 KDE。

integrate_box(low_bounds, high_bounds[, maxpts])

此方法在 JAX 接口中未实现。

integrate_box_1d(low, high)

在给定的限制范围内积分分布。

integrate_gaussian(mean, cov)

积分由高斯加权的分布。

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 中随机抽取一个数据集

set_bandwidth([bw_method])

此方法在 JAX 接口中未实现。

tree_flatten()

tree_unflatten(aux_data, children)

属性

d

n

neff

dataset

weights

covariance

inv_cov

内容