jax.scipy.stats.gaussian_kde

jax.scipy.stats.gaussian_kde#

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

高斯核密度估計器

參數:

dataset (Any) – 類陣列 (arraylike)，實值。用於估計分佈的資料。若為 1D，形狀為 (n_data,)。若為 2D，形狀為 (n_dimensions, n_data)。
bw_method – 字串、純量或可呼叫物件。可以是 “scott”、“silverman”、純量值，或是將 self 作為參數的可呼叫函式。
weights (Any) – 類陣列 (arraylike)，選用。與資料集形狀相同的權重。

方法

`__init__`(dataset[, bw_method, weights])
`evaluate`(points)	在高斯 KDE 上評估給定的點。
`integrate_box`(low_bounds, high_bounds[, maxpts])	此方法未在 JAX 介面中實作。
`integrate_box_1d`(low, high)	在給定限制內積分分佈。
`integrate_gaussian`(mean, cov)	積分由高斯加權的分佈。
`integrate_kde`(other)	積分兩個高斯 KDE 分佈的乘積。
`logpdf`(x)	對數機率密度函數
`pdf`(x)	機率密度函數
`resample`(key[, shape])	從估計的 pdf 隨機採樣資料集
`set_bandwidth`([bw_method])	此方法未在 JAX 介面中實作。
`tree_flatten`()
`tree_unflatten`(aux_data, children)

屬性