核密度估计 python
时间: 2023-09-28 08:07:44 浏览: 150
核密度估计
4星 · 用户满意度95%
核密度估计是一种非参数估计方法,可以用于估计一个随机变量的概率密度函数。在Python中,可以使用SciPy库中的`gaussian_kde`函数进行核密度估计。以下是一个简单的示例代码:
```python
import numpy as np
from scipy.stats import gaussian_kde
import matplotlib.pyplot as plt
# 生成一些随机数据
data = np.random.normal(size=1000)
# 使用高斯核函数进行核密度估计
kde = gaussian_kde(data)
# 在指定范围内生成一些点,并计算它们的密度估计值
x = np.linspace(-5, 5, num=200)
y = kde(x)
# 绘制密度曲线
plt.plot(x, y)
plt.show()
```
在这个示例中,我们首先生成了一些随机数据,并使用高斯核函数进行核密度估计。然后,在指定范围内生成了一些点,并计算它们的密度估计值。最后,我们使用Matplotlib库绘制了密度曲线。
阅读全文