如何使用与seaborn相同的kde

Question

我正在尝试使用内核密度估计器来获取我的数据分布。使用 seaborn，我可以简单地调用 sns.kdeplot(temp, shade=True)，它会绘制 kde 或我的数据分布。但是，使用 seaborn，我无法获得新数据点的分数。但是，如果我使用的是 sklearn 库，我可以简单地调用 kde.score_samples(data)。因此，我怎样才能用 seaborn 实现同样的目标？或者，有没有办法可以返回从 seaborn 获得的 kde？​​p>

非常感谢任何帮助！

Answer 1

查看文档https://github.com/mwaskom/seaborn/blob/a9577e705023873de7c7bbf3e9b6ae0dc1880b51/seaborn/distributions.py#L2641 后，内核的带宽计算为：bw = stats.gaussian_kde(a).scotts_factor() * a.std(ddof=1) 因此，我使用 sklearn 的 kde 的 bw 为：kde = KernelDensity(kernel='gaussian', bandwidth=bw).fit(temp.reshape(-1, 1))。

因此，现在我可以拨打：kde.score_samples(x_axis.reshape(-1, 1))。