机器学习-直方图和核密度估计（Kernel Density Estimates）
1、直方图的问题①直方图装箱（binning）的过程会导致信息丢失。②直方图不是唯一的。对比起来比较困难。③直方图不是平滑的④直方图不能很好的处理极值核密度估计（KDE）完全没有上述的问题。构建KDE需要准备核函数：下面是常用的核函数图形和定义。构建一个KDE包含两部分：①把kernel偏移到特定的位置②设定带宽bindwidth下图是高斯k...
·
1、直方图的问题
①直方图装箱（binning）的过程会导致信息丢失。
②直方图不是唯一的。对比起来比较困难。
③直方图不是平滑的
④直方图不能很好的处理极值
核密度估计（KDE）完全没有上述的问题。
构建KDE需要准备核函数：下面是常用的核函数图形和定义。
构建一个KDE包含两部分：
①把kernel偏移到特定的位置
②设定带宽bindwidth
下图是高斯kernel在不同的带宽和位置的情况下的图形：
CSDN联合极客时间，共同打造面向开发者的精品内容学习社区，助力成长！
更多推荐
0
0- 0
已为社区贡献3条内容
所有评论(0)