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
scipy.stats.gaussian_kde的 JAX 实现。- 参数:
dataset (Any) – 类似数组，实数值。用于估计分布的数据。如果是一维，形状为 (n_data,)。如果是二维，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，或者一个接受
self作为参数的可调用函数。weights (Any) – 类似数组，可选。与数据集形状相同的权重。
方法
__init__(dataset[, bw_method, weights])evaluate(points)在给定的点上评估高斯 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
dnneffdatasetweightscovarianceinv_cov