我正在使用带有自定义指标的 KD 估计。该度量显然比内置欧几里得距离慢，但工作正常。做的时候
kde=KernelDensity(...)
kde.fit(X)
我在合理的时间内得到结果。
当我然后计算
surface=np.exp(kde.score_samples(meshgrid))
其中 mehsgrid 是大小（大约）64000x2 的 numpy 数组，kde 计算网格中每个点的距离。我似乎基本上误解了为什么这是必要的......密度已经用 .fit() 方法计算，并且 score_samples “应该”简单地评估网格中每个点的密度 - 对吗？我忽略了什么吗？
当我使用内置欧几里得度量进行所有计算时，计算速度相当快，没有暗示 .score_samples 会迭代数以亿计的点......
任何提示表示赞赏。