
428
|
第
5
章
5.13.1
KDE
的由来
:
直方图
正如前面所讨论过的,密度评估器是一种寻找数据集生成概率分布模型的算法。你可能很
熟悉一维数据的密度估计——直方图,那是一个简单的密度评估器。直方图将数据分成若
干区间,统计落入每个区间内的点的数量,然后用直观的方式将结果可视化。
例如,下面创建两组服从正态分布的数据:
In[2]: def make_data(N, f=0.3, rseed=1):
rand = np.random.RandomState(rseed)
x = rand.randn(N)
x[int(f * N):] += 5
return x
x = make_data(1000)
前面已经介绍过,基于计数的标准直方图可以用
plt.hist()
函数来生成。只要确定直方图
的
normed
参数,就可以得到一个正态分布直方图。在这个直方图中,区间的高度并不反映
统计频次,而是反映概率密度(如图
5-140
所示):
In[3]: hist = plt.hist(x, bins=30, normed=True)
图 5-140:不同正态分布的组合数据
值得注意的是,在区间不变的条件下,这个标准化(计算概率密度)只是简单地改变了
y
轴的比例,相对高度仍然与频次直方图一致。标准化是为了让直方图的总面积等于
1
,可
以通过检查直方图函数的输出结果来确认这一点:
In[4]: density, bins, patches = hist
widths = bins[1:] - bins[:-1] ...