【发布时间】:2015-02-03 03:13:49
【问题描述】:
熟悉核密度估计的人应该知道,存在一些边界校正方法。 ksdensity 函数具有 [L U] 有界支持的能力。然后,我的问题是,“这里使用什么边界校正方法?”反射还是重整化?
【问题讨论】:
标签: matlab statistics kernel-density
熟悉核密度估计的人应该知道,存在一些边界校正方法。 ksdensity 函数具有 [L U] 有界支持的能力。然后,我的问题是,“这里使用什么边界校正方法?”反射还是重整化?
【问题讨论】:
标签: matlab statistics kernel-density
我不知道传统上如何在 KDE 估计中完成重整化,但从 ksdensity 中处理支持的这段代码来看(在您的 MATLAB 命令窗口中运行 type ksdensity 或 edit ksdensity)
function ty = apply_support(yData,L,U)
% Compute transformed values of data
if L==-Inf && U==Inf % unbounded support
ty = yData;
elseif L==0 && U==Inf % positive support
ty = log(yData);
else % finite support [L, U]
ty = log(yData-L) - log(U-yData); % same as log((y-L)./(U-y))
end
我希望绑定支持输出 ty = log(yData-L) - log(U-yData) 是原始信号 yData 的标准化和对数缩放版本。
【讨论】: