在Python中用numpy/scipy擬合高斯KDE

我正在擬合一個變量的高斯核密度估計器，該變量是兩個向量的差異，稱爲「差異」，如下所示：gaussian_kde_covfact（diff，smoothing_param） - 其中gaussian_kde_covfact是定義爲：在Python中用numpy/scipy擬合高斯KDE

class gaussian_kde_covfact(stats.gaussian_kde): 
    def __init__(self, dataset, covfact = 'scotts'): 
     self.covfact = covfact 
     scipy.stats.gaussian_kde.__init__(self, dataset) 

    def _compute_covariance_(self): 
     '''not used''' 
     self.inv_cov = np.linalg.inv(self.covariance) 
     self._norm_factor = sqrt(np.linalg.det(2*np.pi*self.covariance)) * self.n 

    def covariance_factor(self): 
     if self.covfact in ['sc', 'scotts']: 
      return self.scotts_factor() 
     if self.covfact in ['si', 'silverman']: 
      return self.silverman_factor() 
     elif self.covfact: 
      return float(self.covfact) 
     else: 
      raise ValueError, \ 
       'covariance factor has to be scotts, silverman or a number' 

    def reset_covfact(self, covfact): 
     self.covfact = covfact 
     self.covariance_factor() 
     self._compute_covariance()

這是有效的，但是有一個邊緣情況，其中diff是所有0的向量。在這種情況下，我得到錯誤：

File "/srv/pkg/python/python-packages/python26/scipy/scipy-0.7.1/lib/python2.6/site-packages/scipy/stats/kde.py", line 334, in _compute_covariance 
    self.inv_cov = linalg.inv(self.covariance) 
    File "/srv/pkg/python/python-packages/python26/scipy/scipy-0.7.1/lib/python2.6/site-packages/scipy/linalg/basic.py", line 382, in inv 
    if info>0: raise LinAlgError, "singular matrix" 
numpy.linalg.linalg.LinAlgError: singular matrix

什麼是解決這個問題的方法？在這種情況下，我希望它返回的密度基本上在0的差值處完全達到峯值，其他地方沒有質量。

謝謝。

來源

2010-04-20 user248237dfsf

以下是您提供的示例和完整示例代碼的鏈接（和作者）：http://mail.scipy.org/pipermail/scipy-user/2010-January/023877.html – user333700 2010-10-19 15:17:58

質量在一個點上達到峯值的密度不是高斯，所以嚴格地說，你想要做的是未定義的（並且這樣的分佈沒有有限的協方差）。

現在，在你的情況下，對於一個全零的向量，你可以繞過整個基礎設施來做一些特殊處理。檢測該案例的一種簡單方法是計算diff的最大值，並將其與eps（向量x的numpy.finfo（x.dtype）.eps）進行比較。你也可以簡單地通過捕獲LinalgError來檢測它，但是你必須小心區分協變性不好的情況和0個條目。

來源

2010-04-22 02:41:43

在Python中用numpy/scipy擬合高斯KDE

回答

相關問題