【零散知识】核密度估计(Kernel Density Estimation)

本文介绍了核密度估计(Kernel Density Estimation, KDE),一种非参数方法,用于估计随机变量的概率密度函数。文章通过与直方图的对比,展示了KDE的优势,并提供了关于 bandwidth h 的经验公式。内容包括核函数的概念以及KDE在概率密度估计中的应用。" 15423719,1029852,C++与C混合编程:extern 'C'详解,"['C++', 'C语言', '编程技巧', '编译原理', '混合编程']

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前言:

{

    由于有代码需要调试,这一次也是选择了一部分小内容来更新。

    这次更新的内容是我之前见到到但没仔细了解的核密度估计Kernel Density Estimation

}

 

正文:

{

    按照维基百科对核密度估计的介绍[1],核密度估计是一种估计随机变量的概率密度函数的非参数方法,式(1)是公式。

式(1)

    其中x是若干数据样本;K()是核函数[2];h被称为bandwidth,并且> 0;结果即为由核密度估计所得的x的概率密度函数。

    直方图(Histogram)也可以用来估计概率密度函数。[1]中给出了核密度估计和直方图的一个比较结果。表1是x的6个取值,图1是两种方法得到的概率密度函数。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值