如何使 KernelDensity 归一化为 1？

Question

我正在使用

KernelDensity

中的

sklearn.neighbors

模块，但 y 轴值很奇怪。有谁知道我该如何解决这个问题？我希望 y 轴对应于百分比概率。

X = data[:, np.newaxis]   
X_plot = np.linspace(0, 20, 1000)[:, np.newaxis]
kde = KernelDensity(kernel='gaussian', bandwidth=0.15).fit(X)
log_dens = kde.score_samples(X_plot)
axis.plot(X_plot[:, 0], np.exp(log_dens), '-',
            label="kernel = '{0}'".format('pft'))

Answer 1

上图中的 y 轴已经标准化，并且对应于 概率密度（即曲线下的积分是统一的）。这确实是对连续变量有意义的唯一归一化，因为连续分布中任何特定值的“百分比概率”恰好为零。

Answer 2

根据@cel的问题推断，百分比概率的概念不是很清楚。尽管如此，有时我发现用相对术语来表示密度很有用。也许这就是你多年前询问过的问题。

def get_density_ratio_at_zero(values, val):
    dens = scipy.stats.gaussian_kde(values)
    samp_range = np.linspace(np.min(values), np.max(values), 100)
   dens_range = dens(samp_range)
   return ((dens(val) - np.min(dens_range)) / 
            (np.max(dens_range) -  np.min(dens_range)))[0]

这将为您提供

val

处的密度，以最大和最小密度之间范围的百分比形式表示