m0_57190127的博客

2.选择合适的bins作为样例观察核密度估计得到的概率密度函数的表现情况。核密度估计使用核函数曲线表示每一个数据点，然后进行函数相加得到最后的概率密度函数。需要明白的是：gene是训练的样本，计算一个样例g的K近邻，是指gene中离g最近的k个邻居。带宽表示当前数据点对应的核函数的宽度是多少**：以当前数据为中心，向左右各分出。对于分类问题，标签直接是少数类样本的类别即可，而回归问题则不存在样本类别的概念，可以使用。基于K近邻距离的加权求和公式如下：计算每一个邻居与生成的样本特征之间的距离。

使用$$表示独立式时，可以表示多行公式，每行公式末尾用 \\ 连接,大括号{}，需要用 \ 作转义， 单独的大括号表示公式的组合。小括号()，中括号[]，都不需要转义，直接键盘输入即可。上标用^， 下标用_， 使用{}表示上下标的组合形式。放大括号：当括号太小无法包裹括号内公式时，成对使用。第一个大括号表示分子，第二个大括号表示分母。不使用left right放大括号。使用left right放大括号。大括号的左右需要 \ 做转义。不进行转义的括号表示一个组合。