在Python中查找热点。 KernelDensity

Question

我遇到以下问题： 我在2D空间中有（大）不均匀分布点$（X_i，Y_i）$的样本。我想确定分布密度的局部极值。

KernelDensity函数是否允许估算样本外点的样本密度？

如果是，我找不到正确的语法？

以下是一个例子：

import numpy as np
import pandas as pd
mean0=[0,0]
cov0=[[1,0],[0,1]]
mean1=[3,3]
cov1=[[1,0.2],[0.2,1]]
A=pd.DataFrame(np.vstack((np.random.multivariate_normal(mean0, cov0, 5000),np.random.multivariate_normal(mean1, cov1, 5000))))
A.columns=['X','Y']
A.describe()

from sklearn.neighbors import KernelDensity
kde = KernelDensity(bandwidth=0.04, metric='euclidean',
                        kernel='gaussian', algorithm='ball_tree')
kde.fit(A)

如果我进行此查询

kde.score_samples([(0,0)])

我得到一个负数，显然不是密度!!

  

阵列（[ - 2.88134574]）

我不知道它是否是正确的方法。我想使用该函数来使用优化器来获取局部极值。 （你会推荐哪个库/功能？）

编辑：是的，这是一个对数密度，而不是密度，所以它可以是负数