Python-Scipy核密度估计平滑问题

很抱歉，我问了一个很明显的问题，但我有点困惑，如何调整我能顺利使用KDE的程度。我的代码在python中类似于这样：

kde = scipy.stats.gaussian_kde(c)
P_0 = kde(3)
P_c = kde(c)

---

其中c只是一列数字，我想用上面的数字做一个积分（这对于我现在的问题来说并不太重要）。对于如何在scipy中更改scott/silverman方法以允许过度/欠平滑，我有点困惑。

您似乎想要调整参数。该链接包含简单的示例代码，我在此将其简化为最基本的元素：

kde = stats.gaussian_kde(c)
kde.set_bandwidth(bw_method=.3)
P = kde(c)

因此，基本上，带宽是通过

kde.set_bandwidth（bw_method=X）

调用设置的，其中

X

通常是一个浮点数或方法

silverman

，

scott

之一。完整的描述实际上表明

bw\u方法

：

可以是“scott”、“silverman”、标量常量或可调用变量。如果是标量，它将直接用作kde.factor。如果是可调用的，则应将gaussian_kde实例作为唯一参数并返回标量

---

这是非常广泛的。您可以将浮点值（作为平滑参数）设置为param

bw\u method

。除此之外，还不清楚你想做什么。使用一些替代方法，交叉验证更容易使用（sklearn->随机和网格搜索；statsmodels->基于优化）。谢谢！这是一件奇怪的事，我不明白，但现在它有了意义！：）