python - Python での多変量カーネル密度推定

Question

SciPy のgaussian_kde関数を使用して、多変量データの密度を推定しようとしています。以下のコードでは、3D 多変量法線をサンプリングしてカーネル密度に適合させていますが、適合を評価する方法がわかりません。

import numpy as np
from scipy import stats

mu = np.array([1, 10, 20])
sigma = np.matrix([[4, 10, 0], [10, 25, 0], [0, 0, 100]])
data = np.random.multivariate_normal(mu, sigma, 1000)
values = data.T
kernel = stats.gaussian_kde(values)

これを見ましたが、3D に拡張する方法がわかりません。

また、適合密度の評価をどのように開始すればよいかわかりませんか? これを視覚化するにはどうすればよいですか？