Multivariée estimation de densité du noyau en Python
Je suis en train d'utiliser SciPy est gaussian_kde
de la fonction à estimer la densité des données multidimensionnelles. Dans mon code ci-dessous je l'échantillon 3D normale multivariée et s'adapter à la densité du noyau, mais je ne suis pas sûr de savoir comment évaluer ma forme.
import numpy as np
from scipy import stats
mu = np.array([1, 10, 20])
sigma = np.matrix([[4, 10, 0], [10, 25, 0], [0, 0, 100]])
data = np.random.multivariate_normal(mu, sigma, 1000)
values = data.T
kernel = stats.gaussian_kde(values)
J'ai vu cette mais vous ne savez pas comment l'étendre à la 3D.
Aussi vous ne savez pas comment faire, j'ai même commencer à évaluer la monté de la densité? Comment puis-je visualiser ce?
OriginalL'auteur akhil | 2014-02-20
Vous devez vous connecter pour publier un commentaire.
Il existe plusieurs façons vous pouvez visualiser le résultat en 3D.
Le plus simple est d'évaluer la gaussienne KDE sur les points que vous avez utilisé pour générer, et puis la couleur des points par la densité de l'estimation.
Par exemple:
Si vous aviez de plus en plus complexes (c'est à dire pas tout situé dans un avion), de la distribution, alors vous pouvez évaluer le KDE régulière sur une grille 3D et visualiser des isosurfaces (3D contours) du volume. Il est plus facile d'utiliser Mayavi pour la visualiztion:
OriginalL'auteur Joe Kington