在Java中,我通常依赖org.apache.commons.math3.random.EmpiricalDistribution类来执行以下操作:
有没有提供相同功能的Python库?似乎scipy.stats.gaussian_kde.resample做了类似的事情,但我不确定它是否实现了与我熟悉的java类型相同的过程.
最佳答案
import numpy as np
import scipy.stats
import matplotlib.pyplot as plt
# This represents the original "empirical" sample -- I fake it by
# sampling from a normal distribution
orig_sample_data = np.random.normal(size=10000)
# Generate a KDE from the empirical sample
sample_pdf = scipy.stats.gaussian_kde(orig_sample_data)
# Sample new datapoints from the KDE
new_sample_data = sample_pdf.resample(10000).T[:,0]
# Histogram of initial empirical sample
cnts,bins,p = plt.hist(orig_sample_data,label='original sample',bins=100,histtype='step',linewidth=1.5,density=True)
# Histogram of datapoints sampled from KDE
plt.hist(new_sample_data,label='sample from KDE',bins=bins,density=True)
# Visualize the kde itself
y_kde = sample_pdf(bins)
plt.plot(bins,y_kde,label='KDE')
plt.legend()
plt.show(block=False)
new_sample_data应该从与原始数据大致相同的分布中绘制(达到KDE与原始分布的良好近似程度).
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。