Python-Scipy核密度估计平滑问题

Question

很抱歉问一个可能有一个非常明显的答案的问题，但我有点困惑，如何调整我可以与KDE平滑。我的代码在python中如下所示：

kde = scipy.stats.gaussian_kde(c)
P_0 = kde(3)
P_c = kde(c)

其中c只是一列数字，我想对上面的数字做一个积分（这对我的问题来说并不太重要）。我有点困惑，我将如何更改scipy中的scott/silverman方法，以允许一些过度/不足平滑。在

Answer 1

您似乎想调整set_bandwidth参数。该链接包含简单的示例代码，我将其简化为最基本的元素：

kde = stats.gaussian_kde(c)
kde.set_bandwidth(bw_method=.3)
P = kde(c)

所以基本上，带宽是通过kde.set_bandwidth(bw_method=X)调用来设置的，其中X通常是一个浮点或{}，scott方法之一。完整的描述实际上表明bw_method：

can be ‘scott’, ‘silverman’, a scalar constant or a callable. If a scalar, this will be used directly as kde.factor. If a callable, it should take a gaussian_kde instance as only parameter and return a scalar.