代码之家 › 专栏 › 技术社区 › Mukesh Gupta

在python的多元正态密度函数中传递二维数据?

gaussian computer-vision scipy machine-learning python

Mukesh Gupta · 技术社区 · 7 年前

我想计算二维数据的高斯PDF,我正试图在python中使用 scipy.stats.multivariate_normal

是 multivariate_normal 仅用于分析n维中的一维数据,或者我也可以用于我的数据集?

data set-> X = [X1,X2....Xn]

Xi=[x1 x2]

是二维的。

1 回复 | 直到 7 年前

Warren Weckesser 7 年前

要计算密度函数,请使用 pdf() scipy.stats.multivariate_normal . 第一个参数是数组 X . 接下来的两个参数是分布的均值和协方差矩阵。

In [72]: import numpy as np

In [73]: from scipy.stats import multivariate_normal

In [74]: mean = np.array([0, 1])

In [75]: cov = np.array([[2, -0.5], [-0.5, 4]])

In [76]: x = np.array([[0, 1], [1, 1], [0.5, 0.25], [1, 2], [-1, 0]])

In [77]: x
Out[77]: 
array([[ 0.  ,  1.  ],
       [ 1.  ,  1.  ],
       [ 0.5 ,  0.25],
       [ 1.  ,  2.  ],
       [-1.  ,  0.  ]])

In [78]: p = multivariate_normal.pdf(x, mean, cov)

In [79]: p
Out[79]: array([ 0.05717014,  0.04416653,  0.05106649,  0.03639454,  0.03639454])

推荐文章

Laurynas TamuleviÄius · 具有给定特征值和特征向量的随机半正定矩阵

6 年前

Victor · 为什么它是松软的。统计数据。gaussian\u kde()比seaborn慢。相同数据的kde\u plot()?

6 年前

KiMaN · 傅里叶域高斯滤波器

6 年前

azal · 条件分布的均值和协方差

7 年前

Jose Cortés · 用Python绘制垂直正态分布

7 年前

Kike · 用曲线拟合限制高斯拟合

7 年前

Mukesh Gupta · 在python的多元正态密度函数中传递二维数据?

7 年前

DottedGlass · 图像直方图的高斯混合模型

7 年前

KansaiRobot · 高斯滤波器实现

7 年前

seamux · 与R中的pnorm()相比,atan()是否具有计算优势?

7 年前