【问题标题】:What is the equation for multivariate kernel density estimation techniques?多元核密度估计技术的方程是什么?
【发布时间】:2015-08-23 10:21:40
【问题描述】:

我正在阅读有关非参数核密度估计的信息。 http://en.wikipedia.org/wiki/Kernel_density_estimation

对于 D = 1 的单变量,我们可以这样写

对于多变量核密度估计 (KDE),更珍贵的是 d=3 和 X = (x,y,z) 我们可以这样写:

这在技术上正确吗?有人可以帮忙吗?

【问题讨论】:

  • 这可能更适合另一个 SE 站点。也许programmers(因为它更像是一个“白板”问题)。
  • 因为这是关于公式而不是任何解决公式的特定算法,所以 math.SE 对我来说似乎是更好的迁移目标。
  • 我的猜测是 Theoretical Computer Science,而不是 Math.SE。
  • 我投票结束这个问题,因为它应该被迁移到 math.stackexchange.com,如果它真的是对算法的请求而不是一个方程。
  • 我投票结束这个问题,因为它应该在理论计算机科学堆栈交换中

标签: machine-learning kernel-density multivariate-testing


【解决方案1】:

这很难靠你自己完成,你真的应该通过一些包来做到这一点。尽管如此,定义is

fH(x)= 1 / n \sum{i=1}n KH (x - xi), 其中

  • x = (x1, x2, ..., xd)T, xi = (xi1, xi2, ..., xid)T, i = 1, 2, ..., n 是 d 向量;

  • H是带宽(或平滑)d×d矩阵,对称正定;

  • K为核函数,为对称多元密度;

  • KH(x) = |H|-1/n K(H-1/2x)。

【讨论】:

  • 我打算用 python 来做。我已经尝试过 1D / 其中 d =1,但我需要它来处理 3D 数据。我尝试过stackoverflow.com/questions/30696741/… 有什么想法吗?
  • this 怎么样?抱歉,恕我直言,您真的不应该(重新)自己实现它。
  • 是的,你是绝对正确的,但我试图在 3D 中获得 KDE 的直觉。我正在阅读此页面goo.gl/UcIjmh(示例 3.3 部分)。他们已经展示了二维方程。你能帮我写一下 3D 还是我的正确?
  • 今天不行,抱歉。当我有更多时间时。
猜你喜欢
  • 1970-01-01
  • 2017-02-11
  • 2020-05-30
  • 1970-01-01
  • 2015-11-18
  • 2021-05-01
  • 2014-03-22
  • 2018-10-06
  • 2017-03-18
相关资源
最近更新 更多