stats.gaussian_kde 方法如何计算pdf？

Question

我正在使用scipy 中的scipy.stats.gaussian_kde 方法从数据中生成随机样本。

效果很好！我现在发现的是，该方法还具有计算给定点集（我的数据）的概率密度函数的内置函数。

I would like to know how it calculates the pdf provided a set of points.

这是一个小例子：

import numpy as np
import scipy.stats
from scipy import stats

def getDistribution1(data):
    kernel = stats.gaussian_kde(data,bw_method=0.06)
    class rv(stats.rv_continuous):
        def _rvs(self, *x, **y):
            return kernel.resample(int(self._size)) #random variates
        def _cdf(self, x):
            return kernel.integrate_box_1d(0,max(x)) #Integrate pdf between two bounds (-inf to x here!)
        def _pdf(self, x):
            return kernel.evaluate(x)  #Evaluate the estimated pdf on a provided set of points
    return rv(name='kdedist')

test_data = np.random.random(100) # random test data 
distribution_data = getDistribution1(test_data)
pdf_data = distribution_data.pdf(test_data) # the pdf of the data

在上面这段代码中，存在三个方法，

1. rvs根据数据生成随机样本
2. cdf 是 pdf 从 0 到 max(data) 的积分
3. pdf这是数据的pdf

我需要这个 pdf 的原因是因为现在 我正在尝试根据概率为我的数据计算权重。 这样我就可以给每个数据点一个概率，然后我可以将其用作我的权重。

我也想从这里知道我应该如何计算我的体重？

附：请原谅我在交叉验证中问同样的问题，似乎没有回应！

Answer 1

在线文档有一个指向源代码的链接，gaussian_kde 在这里：https://github.com/scipy/scipy/blob/v0.15.1/scipy/stats/kde.py#L193