Python 高斯分布中协方差与带宽的关系_Python_Scipy

Python 高斯分布中协方差与带宽的关系

python

Python 高斯分布中协方差与带宽的关系,python,scipy,Python,Scipy,我试图在一组数据上实现一个2D parzen窗口来估计PDF。我这样做是为了学校，其中一个要求是使用协方差为σ^2=400的高斯窗口我决定使用SciPy.stats提供的gaussian_kde类。但是，我不确定带宽的价值。我看到了有关Scott规则和Silverman规则的文档，但我想知道如何将σ^2=400要求合并到此参数中换句话说，高斯帕森窗口的协方差与高斯_kde类的带宽参数之间的关系是什么？文档中不清楚，但是我认为从这里的源代码来看，使用gaussian_kde直接指定内核的协方差

我试图在一组数据上实现一个2D parzen窗口来估计PDF。我这样做是为了学校，其中一个要求是使用协方差为

σ^2=400的高斯窗口
我决定使用SciPy.stats提供的gaussian_kde
类。但是，我不确定带宽的价值。我看到了有关Scott规则和Silverman规则的文档，但我想知道如何将σ^2=400
要求合并到此参数中
换句话说，高斯帕森窗口的协方差与高斯_kde
类的带宽参数之间的关系是什么？
文档中不清楚，但是我认为从这里的源代码来看，使用gaussian_kde
直接指定内核的协方差矩阵是不可能的。相反，您只能指定一个因子，该因子乘以数据本身的协方差来生成带宽。由于您已经知道内核是什么，所以自己动手应该不会太难。文档中不清楚，但我认为通过阅读这里的源代码，不可能使用gaussian_kde
直接指定内核的协方差矩阵。相反，您只能指定一个因子，该因子乘以数据本身的协方差来生成带宽。既然您已经知道内核是什么，那么您自己开发应该不会太难。