我正在估计位置数据(x和y坐标)的高斯双变量KDE,我使用sns.kdeplot
来实现这一点。虽然它工作正常(即,我得到了我得到的绘图),但对于我拥有的数据量来说,它相当慢(最多可以有50万(x,y)对)。你知道吗
在seaborn
中实现的kdeplot
的复杂性是什么?我似乎找不到这个信息。是不是“经典”$O(nm)$KDE复杂性?
有没有比seaborn
更快的KDE图的免费实现?
是否有一些位置数据的预处理方法可以加速计算?我已经阅读了https://stats.stackexchange.com/questions/105623/how-to-speed-up-kernel-density-estimation的答案,但我还没有完全理解它,而且我也不确定它是否直接适用于我的数据类型。在这些问题的答案中,位置数据的首选方法是什么?k-D树是一个很好的方法吗?它是否已经在seaborn
(或其他库)中实现了,或者我应该编写自己的实现?
目前没有回答
相关问题 更多 >
编程相关推荐