Question

我使用Python中scikit学习软件包的Kernel Density Estimator对修复成本的分布进行建模。我已经根据我的观察创建了密度函数，但是当从该分布中随机抽取样本时，会出现负值。由于观察结果总是积极的成本，因此样本值应该是非负的。

我已经读过，通过转换数据可以达到这个结果。这些源使用日志转换将分布截断为0（Log-transform kernel density estimation of income distribution，Kernel Density Estimation for Random Variables with Bounded Support — The Transformation Trick）。问题是我不知道如何结合scikit学习Kernal密度函数使用我的观察结果的对数转换。

没有转换的KDE代码如下：

import numpy as np
from sklearn.neighbors import KernelDensity
import math as math

'Dataframe with costs'
x = costs

maxVal = x.max()
minVal = x.min()
upperBound = math.ceil(maxVal/1000)*1000

x_grid = np.linspace(0, upperBound, 1000)

'Create pdf with Kernel Density'
kde = KernelDensity(kernel='gaussian', bandwidth=612).fit(x_grid[:, np.newaxis])
log_pdf = kde.score_samples(x_grid[:, np.newaxis])
pdf=np.exp(log_pdf)

我的代码包括转换：

'Log tranformation and creation of pdf'

x_pseudo = x.apply(np.log)

kde_psuedo = KernelDensity(kernel='gaussian', bandwidth=612).fit(x_pseudo[:, np.newaxis])
log_pdf_pseudo = kde_psuedo.score_samples(x_pseudo[:, np.newaxis])
pdf_pseudo=np.exp(log_pdf_pseudo)

x_grid_log = np.linspace(minVal, maxVal, 1000)

density = np.zeros(len(x_grid_log))

for i in range(len(x_grid_log)):
    xx=x_grid_log[i]
    density[i]=pdf_pseudo[xx.apply(np.log)/xx]

output = list(x=x_grid_log, y=density)

此代码基于源代码2中的示例，该代码在R中生成。我知道代码错误，但我不知道如何解决此问题。任何帮助将不胜感激！

转换核密度估计器用于非阴性观察

0 个答案: