核密度评分 VS 得分样本 Python Scikit-learn

Question

我现在使用scikit-learn和Python几天了，更专门地使用KernelDensity。 一旦模型适合，我想评估新点的概率。 方法score()就是为此而设计的，但显然不起作用，因为当我将一个数组作为输入时，只有一个数字输出。我使用score_samples()，但速度非常慢。 我认为score不起作用，但我没有技能来改善它。 如果您有任何想法，请告诉我。

- Romain

Answer 1

score()使用score_samples()如下：

return np.sum(self.score_samples(X))

因此，在您的情况下应使用score_samples()。

- slava

---

确切地说，但总和不应该等于1吗？为什么会这样？ - seralouk

Answer 2

没有代码很难说，但是：

我们假设您要评估的点保存在数组X中，并且您有一个核密度估计kde，因此您可以调用：

logprobX = kde.score_samples(X)

但是要小心，这些是对数！所以你还需要执行：

probX = np.exp(logprobX) 

这些数值适用于您的直方图（可能是之前计算过的）。

运行这些代码所需的时间取决于X的长度。在我的机器上，计算7500个点相当快。

- Ben Müller

---

你说的“最终计算”是什么意思？score_samples()确实非常慢。但应该很容易并行化。 - Kai

我不明白为什么即使是2D特征空间，速度也如此缓慢。 - Kai

"Eventually"在德语中是一个假朋友...我进行了编辑。抱歉，那是几年前的事了。“为什么它这么慢”的问题更适合模块开发人员回答。我不知道我怎么能在这里帮助你。 - Ben Müller