Я пытаюсь получить оценку, которая говорит мне, что вероятность значения принадлежит распределению или нет. Оценка, которую, возможно, я ошибочно назвал вероятностью.
Например:
A = [4,5,5,6,4,16,15,14,15,16]
b = 5
В этом случае мой счет должен быть низким, и я хочу получить низкий балл, даже если b = 15, иначе я бы получил высокий балл, если b = 10 или хуже, если b = 100.
Я пытался использовать Плотность ядра, чтобы сопоставить смесь гауссиан с моими данными A, а затем я пытался получить оценку для b.
Но это не то, чего я действительно хочу.
kde = KernelDensity(kernel='gaussian').fit(A)
score = kde.score(b)
Есть ли у вас какие-либо предложения по моделированию проблемы лучше?
EDIT:
A - это список значений, сгенерированных из нейронной сети, а b - это реальное значение, которое я пытаюсь предсказать.
KernelDensity не кажется хорошим, потому что, когда A и b, например:
A = [40,50,50,60,40,160,150,140,150,160]
b = 50
оценка выше, чем в первом случае, хотя она должна быть такой же.