核密度估计
Sign in to saveAlso known as Parzen windows, Parzen–Rosenblatt window method, Parzen window method, KDE
estimator
Wikidata facts
- Subclass of
- estimator
- Part of
- non-parametric statistics
- Image
- Kernel density.svg
Show 2 more facts
- Commons category
- Kernel density estimation
- short name
- KDE
Sources (2)
via Wikidata · CC0
Article · 中文
核密度估计（英語：Kernel Density Estimation (KDE)）是在概率论中用来估计未知的密度函数，属於之一，由Rosenblatt (1955)和(1962)提出，又名（Parzen window）。Ruppert和Cline基于数据集密度函数聚类算法提出修订的核密度估计方法。 核密度估计在估计边界区域的时候会出现。 在单变量核密度估计的基础上，可以建立风险价值的预测模型。通过对核密度估计变异系数的加权处理，可以建立不同的风险价值的预测模型。 一些比较常用的核函数是：均匀核函数，加入带宽后：。 三角核函数，加入带宽后：。 伽马核函数。
Abstract from DBpedia / Wikipedia · CC BY-SA