核密度估计

Also known as Parzen windows, Parzen–Rosenblatt window method, Parzen window method, KDE

estimator

Wikidata facts

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