Scikit learn 为什么scikit学习返回日志密度？
函数score_samplesfromsklearn.neights.kde.KernelDensity返回密度的日志。与返回其自身的密度相比，它有什么优势 我知道对数对概率是有意义的，概率在0到1之间（见下面的结论：），但是为什么对密度在0到无穷大之间的情况也这样做呢Scikit learn 为什么scikit学习返回日志密度？,scikit-learn,kernel-density,Scikit Learn,Kernel Density,函数score_samplesfromsklearn.neights.kde.KernelDensity返回密度的日志。与返回其自身的密度相比，它有什么优势 我知道对数对概率是有意义的，概率在0到1之间（见下面的结论：），但是为什么对密度在0到无穷大之间的情况也这样做呢 有没有一种方法可以直接估计对数密度，或者仅仅是从估计的密度中取对数？适用于概率的许多方法也适用于密度，因此下面的答案适用： 只要密度处处为正，对数就定义得很好。当密度趋于0时，它具有更好的数值分辨率和稳定性。想象一个具有一定宽度
有没有一种方法可以直接估计对数密度，或者仅仅是从估计的密度中取对数？适用于概率的许多方法也适用于密度，因此下面的答案适用： 只要密度处处为正，对数就定义得很好。当密度趋于0时，它具有更好的数值分辨率和稳定性。想象一个具有一定宽度的高斯核来模拟你的点，并想象它们在某个集群中。当你离开这个密集区域时，对数密度等于到簇的负平方距离。这一指数将很快产生非常小的数量，你可能会理所当然地不再信任这些数量