如何访问Sklearn的KDE参数用于SCIPY的Kolmogorov-Smirnov测试？

Question

我有一个一维离散数据集。在这个集合上，我想用Sklearn的内置函数执行一个内核密度估计：

from sklearn.neighbors.kde import KernelDensity

data = ... # array of shape [5000, 1]

## perform kde with gaussian kernels
kde = KernelDensity(kernel='gaussian', bandwidth=0.8).fit(data.reshape(-1, 1))

在KDE的实例方法score_samples的帮助下，我能够绘制底层密度函数的合理估计：

## code for plot
X_plot = np.linspace(-5, 100, 10000)[:, np.newaxis]
log_dens = kde.score_samples(X_plot)

plt.plot(X_plot[:, 0], np.exp(log_dens))

我想使用这个发行版来执行一个单样本KS测试。我发现，scipy已经实现了这个功能。查一下这里的文件。上面写着：

基本上，rvs是新的样本数据，cdf是累积分布函数（pdf的积分）。我无法找到如何在sklearn中访问计算pdf的函数，以便将其集成并提供给KSTEST。

有人知道怎么去那里吗？此外，如果有任何替代这一方法，请让我知道。

Answer 1

您可以简单地集成score_samples来获得CDF。scipy.integrate.quad可能有效。

**编辑**似乎score_samples是日志密度，但当未记录时，集成为1。但是需要一些重新塑造，不幸的是，scipy集成边界不接受数组。

def cdf(y):
    return functools.partial(
        scipy.integrate.quad,
        lambda x: np.exp(kde.score_samples(np.array([x]).reshape(-1,1)))[0],
        -np.inf
    )(y)[0]

def array_cdf(X):
    return np.array(list(map(cdf, X)))

scipy.stats.kstest(data, array_cdf)