如何使用 seaborn 使用的相同 kde
How to use the same kde used by seaborn
我正在尝试使用核密度估计器来获取我的数据分布。使用 seaborn，我可以简单地调用 sns.kdeplot(temp, shade=True)，这将绘制 kde 或我的数据分布。但是，对于 seaborn，我无法获得新数据点的分数。但是，如果我使用的是 sklearn 库，我可以简单地调用 kde.score_samples(data)。因此，我怎样才能用 seaborn 达到同样的目的呢？或者，有什么方法可以 return 从 seaborn 获得的 kde？
非常感谢任何帮助！
查看文档后https://github.com/mwaskom/seaborn/blob/a9577e705023873de7c7bbf3e9b6ae0dc1880b51/seaborn/distributions.py#L2641，内核的带宽计算如下：bw = stats.gaussian_kde(a).scotts_factor() * a.std(ddof=1) 因此，我使用来自 sklearn 的 bw 和 kde 为：kde = KernelDensity(kernel='gaussian', bandwidth=bw).fit(temp.reshape(-1, 1))。
因此，现在我可以调用：kde.score_samples(x_axis.reshape(-1, 1))。
我正在尝试使用核密度估计器来获取我的数据分布。使用 seaborn，我可以简单地调用 sns.kdeplot(temp, shade=True)，这将绘制 kde 或我的数据分布。但是，对于 seaborn，我无法获得新数据点的分数。但是，如果我使用的是 sklearn 库，我可以简单地调用 kde.score_samples(data)。因此，我怎样才能用 seaborn 达到同样的目的呢？或者，有什么方法可以 return 从 seaborn 获得的 kde？
非常感谢任何帮助！
查看文档后https://github.com/mwaskom/seaborn/blob/a9577e705023873de7c7bbf3e9b6ae0dc1880b51/seaborn/distributions.py#L2641，内核的带宽计算如下：bw = stats.gaussian_kde(a).scotts_factor() * a.std(ddof=1) 因此，我使用来自 sklearn 的 bw 和 kde 为：kde = KernelDensity(kernel='gaussian', bandwidth=bw).fit(temp.reshape(-1, 1))。
因此，现在我可以调用：kde.score_samples(x_axis.reshape(-1, 1))。