Python 为什么不'；t相同的核密度估计积分为一（1）？
我使用Scipy通过KDE函数（Scipy.stats.KDE.gaussian_KDE（x））来估计非正态数据的分布。这很有效（令人惊讶），但我尝试使用类的integrate_KDE（x）函数量化两个不同KDE的重叠。我认为将KDE与相同的KDE集成意味着它完全重叠，从而产生最大可能值（假设为1）。相反，对于一维KDE，我得到了0.0578167144336356（见图）Python 为什么不'；t相同的核密度估计积分为一（1）？,python,scipy,kde,probability-density,Python,Scipy,Kde,Probability Density,我使用Scipy通过KDE函数（Scipy.stats.KDE.gaussian_KDE（x））来估计非正态数据的分布。这很有效（令人惊讶），但我尝试使用类的integrate_KDE（x）函数量化两个不同KDE的重叠。我认为将KDE与相同的KDE集成意味着它完全重叠，从而产生最大可能值（假设为1）。相反，对于一维KDE，我得到了0.0578167144336356（见图） TL；DR为什么不将相同的内核密度估计集成到一（1）中呢？您能提供一个问题的解决方案吗？格式化非常困难，因为我目前正在使
TL；DR为什么不将相同的内核密度估计集成到一（1）中呢？您能提供一个问题的解决方案吗？格式化非常困难，因为我目前正在使用手机。这里有一个尝试：导入scipy.stats作为stats数据，data.shape#（数组（[[131126121，…，106112114]]，dtype=uint8），（13559））kde=stats.kde.gaussian(数据）integrate)total=kde.integrate#integrate#0.008264704266359856 f（x）over inf
my_-kde。integrate_-kde（其他_-kde）积分密度的逐点乘积。这样的产品一般不是概率密度，在区间[0, 2 ]上考虑均匀分布F（x）＝0.5。那么f（x）**2的积分是0.5。