当我使用scipy做核密度估计时，带宽似乎对整个数据集来说是一个固定值，尽管我可以自己设置它的值。
def scotts_factor(self):
#Compute Scott's factor.
return power(self.neff, -1./(self.d+4))
self.covariance_factor = self.scotts_factor
self.factor = self.covariance_factor() #get the value of bandwidth顺便说一下，我已经检查了sklearn中的代码来做内核密度估计，代码如下：
kde = KernelDensity(kernel='gaussian', bandwidth=0.2).fit(X)对于数据集X，它们似乎也共享一个公共带宽。
因此，整个数据集共享一个共同的带宽值。如果我想为散点图中的每个点设置不同的带宽，我应该怎么做？
1条答案
按热度按时间z3yyvxxp1#
从我所读到的来看，你似乎根本没有在使用Scipy，但也许我错了。
SciPy提供了一个密度估计类，叫做
gaussian_kde。你可以阅读文档here。从文档中，参数
bw_method允许选择估算带宽的方法。您可以选择已经实现的Scott或Silverman方法，也可以提供一个可调用的方法。您可以在这里找到如何设置bw_method参数的其他示例。