【发布时间】：2021-07-11 06:02:14
【问题描述】：
我生成了一个二维高斯分布（不相关的数据）
dist2=np.array([np.random.normal(loc=10,scale=3, size=50000),np.random.normal(loc=5,scale=2, size=50000)])
我计算了协方差矩阵除以带宽因子，因为协方差属性是数据集的协方差矩阵，由计算的带宽 (kde.factor) 缩放 (https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.gaussian_kde.html)
from scipy.stats import kde
# Use a kernel density estimator to produce local-counts in this space, and grid them to plot.
k = kde.gaussian_kde(dist2)
k.covariance/k.factor
对角元素不是预期的 sigma 的平方。
我认为我对这个带宽因素有些不理解。
任何解释将不胜感激。感谢您的帮助。
【问题讨论】：
-
这里实现了协方差因子，使得
k.covariance/k.factor**2~np.cov(dist2)。见这里*.com/questions/23630515/… -
@MaxPierini。感谢您的评论，这是一个答案。
-
添加了答案
标签： r numpy scipy scipy.stats