如何访问sklearn的KDE参数进行scipy的Kolmogorov-Smirnov测试?

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))

借助kde的实例方法 score_samples

## 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))

我想用这个分布来执行一个样本KS测试。我发现scipy已经实现了这个功能。检查文档 here

scipy.stats.kstest测试(rvs,cdf,args=(),N=20,alternative='two-sided',mode='approx')

rvs:str、array或callable

如果是一个数组,它应该是一个一维随机观测数组 变量;必须有关键字参数大小。

cdf:str或callable

房车。如果是可调用的,则使用该可调用来计算cdf。

基本上,rvs是新的样本数据,cdf是累积分布函数(pdf的积分)。我无法找到如何访问sklearn中计算pdf的函数,以便集成它并将其提供给kstest。