核密度估计 python

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：

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。