我正在尝试获得一个分数，该分数告诉我某个值是否属于分配范围。得分，也许我错误地称为可能性。 例如：
A = [4,5,5,6,4,16,15,14,15,16]
b = 5
在这种情况下，我的分数应该低，即使b = 15我也希望分数低，否则如果b = 10则我分数会更高，如果b = 100则我分数会更低。
我尝试使用核密度在数据A上拟合高斯混合，然后尝试获得b的分数。 但这似乎并不是我真正想要的。
kde = KernelDensity(kernel='gaussian').fit(A)
score = kde.score(b)
您是否有建议以更好的方式对问题进行建模？
编辑： A是从神经网络生成的值的列表，而b是我试图预测的实际值。 KernelDensity看起来不太好，因为例如当A和b时：
A = [40,50,50,60,40,160,150,140,150,160]
b = 50
得分高于第一种情况，但应该相同。