多元核密度估计器，每个维度具有独立的带宽

Question

我在 python 上找到了几种类型的 KDE 实现，但我仍然找不到一个版本，它在所使用的内核（但参数化）方面是灵活的，并且每个维度可以使用不同的带宽。这实际上在 MATLAB 的

mvksdensity()

.

中可用

scipy.stats.multivariate_normal
scipy.stats.kde
scipy.stats.gaussian_kde

仅适用于某些类型的内核，并且 bw 在所有维度上都相同。

statsmodels.nonparametric.KDEMultivariate

每个维度的带宽不同，但该方法是非参数的。

sklearn.neighbors.KernelDensity

这个似乎是最好的候选人，我喜欢它的工作方式，但带宽也是全球性的。

任何人都知道另一种选择，或者可以告诉我上面的陈述是错误的吗？