小编mlw*_*ker的帖子

我正在尝试使用scikit-learn模块计算从KDE计算的PDF估计值.我已经看到了两种评分变体,我正在尝试两种:下面的陈述A和B.

声明A导致以下错误:

AttributeError:'KernelDensity'对象没有属性'tree_'

语句B导致以下错误:

ValueError:查询数据维度必须与训练数据维度匹配

看起来像一个愚蠢的错误,但我无法弄清楚.请帮忙.代码如下......

from sklearn.neighbors import KernelDensity
import numpy

# d is my 1-D array data
xgrid = numpy.linspace(d.min(), d.max(), 1000)

density = KernelDensity(kernel='gaussian', bandwidth=0.08804).fit(d)

# statement A
density_score = KernelDensity(kernel='gaussian', bandwidth=0.08804).score_samples(xgrid)

# statement B
density_score = density.score_samples(xgrid)

density_score = numpy.exp(density_score)

如果它有帮助,我使用0.15.2版本的scikit-learn.我已经用scipy.stats.gaussian_kde成功地尝试了这个,所以数据没有问题.