文件名称：dekef：核指数族中的密度估计
文件大小：51KB
文件格式：ZIP
更新时间：2024-03-07 18:21:35
Python
ke 内核指数族中的密度估计。 dekef提供了以下工具 使用负对数似然损失函数和得分匹配损失函数来计算内核指数族中的密度估计， 当数据为一维时可视化密度估计，而当数据为二维时可视化其轮廓图，并且 使用相关性和平均积分平方误差（ ）评估密度估计的质量。 例子 请参阅/examples Jupyter笔记本，以获取有关如何使用函数来计算和可视化密度估计以及评估其质量的示例。 历史 0.3 添加示例Jupyter笔记本-2021年2月15日 0.2 可视化密度估算值的更新功能-2021年2月14日 0.1 进行中-2021年2月11日 元 –
【文件预览】：
dekef-main
----dekef()
--------scorematching_earlystopping.py(7KB)
--------true_density.py(21KB)
--------ortho_proj_hatz.py(8KB)
--------plot_density_1d.py(14KB)
--------unnormalized_density.py(15KB)
--------kernel_function.py(77KB)
--------scorematching_common_functions.py(7KB)
--------metric_correlation.py(3KB)
--------negloglik_gubasis.py(35KB)
--------plot_contour_2d.py(5KB)
--------negloglik_scorematchingbasis.py(36KB)
--------__init__.py(0B)
--------scorematching_loss_function.py(3KB)
--------data_median_dist.py(488B)
--------base_density.py(42KB)
--------scorematching_penalized.py(8KB)
----.DS_Store(8KB)
----.idea()
--------misc.xml(193B)
--------workspace.xml(4KB)
--------dekef.iml(393B)
--------vcs.xml(180B)
----examples()
--------README.md(172B)
----setup.py(331B)
----README.md(3KB)
----data()
--------geyser.npy(5KB)
----.gitignore(2KB)