如何提取smooth_map函数生成的核密度估计？
核密度估计是一种用于估计概率密度函数的非参数方法，它可以通过一组观测数据点来估计数据的概率分布。在云计算领域中，可以使用smooth_map函数生成核密度估计。
要提取smooth_map函数生成的核密度估计，可以按照以下步骤进行：
- 准备数据：首先，需要准备一组观测数据点，这些数据点可以是一维或多维的。例如，可以使用一个数组或矩阵来表示这些数据点。
- 调用smooth_map函数：根据具体的编程语言和库，调用smooth_map函数并传入观测数据点作为输入参数。smooth_map函数将根据这些数据点生成核密度估计。
- 提取核密度估计结果：smooth_map函数通常会返回一个表示核密度估计结果的数据结构。可以通过访问这个数据结构的属性或方法来提取核密度估计的相关信息。
- 核密度估计的概率密度函数：可以通过访问数据结构中的概率密度函数属性来获取核密度估计的概率密度函数。这个函数描述了在每个数据点处的概率密度值。
- 核密度估计的概率密度值：可以通过访问数据结构中的概率密度值属性来获取核密度估计在每个数据点处的概率密度值。这些值可以用于进一步的分析和可视化。
- 分析和应用核密度估计：提取核密度估计后，可以进行进一步的分析和应用。例如，可以计算核密度估计的均值、方差等统计量，或者将核密度估计与其他数据进行比较。
在腾讯云的产品中，可以使用腾讯云的数据分析服务（Tencent Cloud Data Analysis，https://cloud.tencent.com/product/dla）来进行核密度估计。该服务提供了一系列数据分析和挖掘工具，可以方便地进行核密度估计和其他统计分析任务。
相关·内容
1回答
似乎有大量的信息和工具可用于实现标准的多元或单变量核密度估计。然而，我目前使用的离散地理数据特别稀少，而且倾向于聚集在人口密度高的地区。
也就是说，我在地图上有一些点(经度和纬度)，我想估计给定点的概率密度，但我需要对人口密度进行某种程度的正常化。从四周看，似乎解决这类问题的适当方法是为核估计实现某种最近邻自适应带宽。然而，似乎stats.gaussian_kde不支持自适应带宽。是否有人知道我如何能够自己实现这一点，或者是否有任何可用于自适应带宽KDE的包？
浏览 8提问于2015-07-17得票数 9
2回答
我需要使用R中的核密度估计从现有数据中生成样本。在我的数据中缺少负值(并且不能)，但在生成样本中存在负值。
library(ks)
set.seed(1)
par(mfrow=c(2,1))
x<-rlnorm(100)
hist(x, col="red", freq=F)
y <- rkde(fhat=kde(x=x, h=hpi(x)), n=100)
hist(y, col="green", freq=F)
如何限制KDE和生成样本的范围？
浏览 2提问于2013-04-19得票数 2
回答已采纳
1回答
我有数据，它由1x5大小的向量组成，每个向量代表一个pikel：[x,y,r,g,b]，x和y是位置：0 <= x <= M，0 <= y <= N。r,g,b是像素0 <= r,g,b <= 255的颜色。
我想用多元Epanechnikov核来估计密度估计。我读到有两种方法可以做到这一点：
乘法方法--计算每个维度的核，然后乘以它们。
计算向量的范数，并计算该值的核。
这两种方法究竟如何处理我的数据？如果知道Epanechnikov内核为规范化值> 1或< -1生成0，我需要对其进行规范化。
我正在用C++编程。
浏览 4提问于2013-06-18得票数 2
回答已采纳
在R中是否有任何函数可以计算特定alpha(0,1)的逆核(我认为是正常的) CDF。我已经找到了分位数，但我不确定它是如何工作的。
谢谢
浏览 0提问于2013-03-11得票数 4
1回答
我有一个列表的纬度和经度坐标和各自收到的信号强度值在每个坐标。我将如何为python(matplotlib)中的每个lat-lon绘制这些信号强度的核密度估计(kde) 2D热图？
浏览 1提问于2016-09-28得票数 0
首先，我不完全确定这是否是发布这篇文章的正确地点，因为也许它应该放在一个更注重统计的论坛上。然而，由于我计划用R来实现这一点，我想最好在这里发布它。如果我错了请道歉。
所以，我想做的是我想要模拟总共250.000次观测的数据，按照经验数据(离散数据)导出的核密度估计值分配一个连续(非整数)值，原始值从-5到+5不等。下面是我想要使用的分布图。
对我来说非常重要的是，我不应该根据离散概率来模拟新的数据，而是要模拟连续的数据，因为一个值可以说是2.89，而不是3或2。因此，新的值将根据图中描述的概率来分配。模拟数据中最常见的值将在+2附近，而在-4和+5附近的值则相当罕见。
关于R中的模拟数
浏览 2提问于2016-09-26得票数 3
回答已采纳
1回答
我使用MASS软件包中的kde2d函数，为数据集中的每一对数值列生成2D核密度分布。
这需要以下参数：
kde2d(x, y, h, n=25, lims = c(range(x), range(y)))
其中n是“每个方向上的网格点的数量。可以是标量或长度为-2的整数向量”。
我想为每一对柱优化网格的尺寸。当时，我使用的是10x10的固定尺寸。有没有人知道优化网格大小的公式，这样我就可以为每一对列生成最佳密度估计？
谢谢
浏览 0提问于2016-10-24得票数 0
我仍然很难理解特定估计器的偏差和方差实际上是什么。
我在维基百科上找到了偏见的定义：
如果我们将核密度估计定义为
但是，如何将此应用于内核密度估计，或者更准确地说是Parzen Windows？至少有人能告诉我估计的密度f_hat(x)与偏差(和方差)之间的关系吗？
定性我已经可以说，一个包含整个数据空间的盒子窗口将有最大的偏差和无差异，因为估计的密度将只是整个训练数据集的平均值。
浏览 1提问于2015-01-17得票数 0
回答已采纳
1回答
我有两个向量，A和B，我能在R中经验地创建一个联合核密度函数，使得我有来自向量A和B的函数f(x，y)吗？下面的例子不起作用，因为它不是联合概率分布
z <- cbind(A,B)
approxfun(density(z))
浏览 3提问于2021-04-23得票数 0
我试图在ggplot2中显示一些与高斯核相转换的频率。我试着用：
+ stat_smooth(se = F,method = "lm", formula = y ~ poly(x, 24))
但没有成功。
我读了一篇文章，建议频率应该与高斯核相转换。ggplot2 2的stat_density函数()似乎能够产生。
然而，我似乎无法用stat_density取代我的几何学。我的密码有什么问题吗？
require(reshape2)
library(ggplot2)
library(RColorBrewer)
fileName = "/1.csv" # down
浏览 2提问于2014-09-30得票数 2
回答已采纳
我读了几篇关于一维阵列聚类的文章，其中有人说聚类不适合一维阵列，应该使用核密度估计。然而，没有人解释如何使用kde准确地执行聚类，如何检索输入数据的聚类标签？
在scikit-learn中，我得到了单变量(一维)数据的核密度估计。
kde = KernelDensity(kernel='gaussian', bandwidth=0.75).fit(features)
现在如何将其用于集群，即如何检索输入数据的集群标签？
我在考虑两种可能的方法: a)使用kde为一些聚类估计器(例如kmeans)获取新的2D输入数据。我想以直方图(值，频率)的形式检索2D数据数组，但我不知道如何
浏览 3提问于2016-06-14得票数 0
1回答
什么是HPC内核()？
、、、、
在简单的语言中，内核是什么?它是用来做什么的？我看到了并行化的代码，如：
#!/bin/bash
#SBATCH --job-name=bt-mz
#SBATCH --output=bt-mz_%j.out
#SBATCH --error=bt-mz_%j.err
#SBTACH --nodes=1
#SBATCH --ntasks=12
#SBATCH --cpus-per-task=4
#SBATCH --qos=debug
#MPI + OpenMP
export NAS_PATH=$HOME/bin
export OMP_NUM_THREADS=4
srun
浏览 2提问于2019-04-03得票数 1
回答已采纳
当使用seaborn的函数时，设置kind=reg将用回归线、外部直方图和估计的核密度绘制散点图。
我想得到所有这些，但不是核密度估计。然而，似乎kind开关要么给了我全部，要么什么也没有。唯一可行的选择是使用一个标准的regplot，然后手动添加它周围的直方图。有什么更方便的方法吗？
浏览 1提问于2018-10-14得票数 0
回答已采纳
1回答
我想对不一定正常使用高斯核的数据进行KDE。在维基百科中的KDE中，当数据的底层分布为高斯时，给出了带宽的表达式。我正在寻找一个类似的带宽选择的非正常数据。
浏览 0提问于2018-04-25得票数 0
回答已采纳
2回答
我使用密度{stats}来构造变量向量的核“高斯”密度。如果我使用下面的示例数据集：
x <- rlogis(1475, location=0, scale=1) # x is a vector of values - taken from a rlogis just for the purpose of explanation
d<- density(x=x, kernel="gaussian")
有没有什么方法可以得到每个n=1475点的密度d的一阶导数
浏览 2提问于2012-09-25得票数 3
回答已采纳
1回答
根据随机变量值的样本，我使用核密度估计来创建累积密度函数。
cdf = gaussian_kde(sample)
我需要的是生成随机变量的样本值，它的密度函数等于构造的cdf。我知道反演概率分布函数的方法，但由于我不能无故地做，所以需要相当复杂的准备工作。是否有完整的解决方案或另一种方式来完成任务？
浏览 2提问于2016-06-11得票数 1
回答已采纳
我使用scikitlearns KDE函数和Pandas plot.kde对一组数据拟合了从1到13的分数分布。 我已经使用gridsearchCV方法设置了带宽。然而，当绘制分布时，值的范围达到-2.5和17.5。这些数据超出了1-13的数据范围。 ? 我已经附上了发行版本身的图像，并将提供以下代码： plot_m = df_match.plot.kde(bw_method = 0.6842105263157895) 我的问题是，如何为像这样的核密度估计器设置边界？得分超出数据范围的概率应为0。
浏览 25提问于2019-09-20得票数 1
2回答
我有一个多边形的shapefile和另一个分布在多边形上的点。我想为每个多边形创建一个基于它包含的点的核密度估计。不幸的是，我只能用MASS包中的kde2d函数创建平方的KDE。我想要的KDEs是形状为多边形。有什么建议吗？ kde1 <- kde2d(poly$X, poly$Y, n=100,) enter image description here
浏览 35提问于2021-01-27得票数 2
回答已采纳
1回答
R中二维核密度估计的混淆
、、、、
核密度估计器用于估计特定的概率密度函数(参考文献见和 )。
我的困惑是kde2d()到底是做什么的？在下面的例子中，它估计了两个随机变量f(a，b)的联合分布概率密度函数吗？这颜色是什么意思？
下面是我所指的代码示例。
b <- log10(rgamma(1000, 6, 3))
a <- log10((rweibull(1000, 8, 2)))
density <- kde2d(a, b, n=100)
colour_flow <- colorRampPalette(c('white', 'blue', 'yellow
浏览 4提问于2016-08-04得票数 2
1回答
在中，合成的数据来自两个高斯分布的加权抽样，[0,1]和[5, 1]的均值和std分别占30%和70%。假设使用gaussian内核和bandwidth=1，我们得到了以下结果( KDE估计器的输出与列车数据相匹配)：
是否有可能(从数学上和实际上)恢复估计核的特性？例如，在这种情况下，我们从拟合模型中读取[0,1]和[5, 1]值？(假设适当地完成了拟合过程)
浏览 3提问于2020-05-27得票数 1
2回答
我正在试验处理R中重叠的方法，我想尝试的一件事是绘制单个点，但根据其邻域的密度对它们进行着色。为了做到这一点，我需要计算每个点的2D核密度估计。然而，标准的核密度估计函数似乎都是基于网格的。有没有一个函数可以在我指定的特定点处计算2D核密度估计？我可以想象这样一个函数，它以x和y向量为参数，并返回一个密度估计向量。
浏览 2提问于2013-04-25得票数 15
回答已采纳
我有两个数据集，一个是建模(人工)数据，另一个是观测数据。它们的统计分布略有不同，我想强制建模数据在数据传播中与观察到的数据分布相匹配。换句话说，我需要模型化的数据来更好地表示观察数据的尾部。下面是一个例子。
model <- c(37.50,46.79,48.30,46.04,43.40,39.25,38.49,49.51,40.38,36.98,40.00,
38.49,37.74,47.92,44.53,44.91,44.91,40.00,41.51,47.92,36.98,43.40,
42.26,41.89,38.87,43.02,39.25,40.38,42.64,36.98
浏览 8提问于2016-08-26得票数 1
回答已采纳
1回答
我正在使用均值移位聚类算法，该算法基于数据集的核密度估计。我想要生成一个大的，高维的数据集，我认为科学学习函数make_blobs是合适的。但是，当我试图生成一个100万点8维数据集时，几乎每一个点都被当作一个单独的集群来处理。
我正在生成标准差为1的小块，然后将平均值偏移的带宽设置为相同的值(我认为这是有意义的，对吗？)对于二维数据集，这产生了很好的结果，但是对于更高的维度，我想我遇到了维度性的诅咒，因为点之间的距离变得太大，无法进行有意义的聚类。
有没有人有任何技巧或技巧，如何获得一个好的高维数据集，适合(类似)的均值转移集群？(或者我是不是做错了什么？(这当然是一种很好的可能性)
浏览 4提问于2015-03-19得票数 1
回答已采纳
1回答
我有一个点，我想保证(/approximate)熵(密度熵)。只有当我给点云中的每个点分配一个概率时，才能计算出熵。做这件事的常见方法是什么？
注：
我的一个想法是使用核密度估计(Wiki)计算密度：
是否有一种通用的方法，还是应该只使用kde？
浏览 4提问于2017-09-30得票数 6
1回答
我在使用球形(或各向同性)内核使用Parzen窗口算法实现Bayes分类器时遇到了问题。
我使用包含2维和3个不同类的测试数据来运行该算法(对于每个类，我有10个测试点，40个训练点，都是二维的)。当我改变我的超参数值(球面高斯核的sigma_sq)时，我发现对点的分类没有任何影响。
这是我的密度估计器。我的self.sigma_sq在数据的所有维度上是相同的(2维)
for i in range(test_data.shape[0]):
log_prob_intermediate = 0
for j in range(n): #n is size of trainin
浏览 1提问于2015-11-02得票数 0
回答已采纳
1回答
R:曲线下面积？
、、
我有一个算法，它使用x，y图对排序的y数据进行排序，从而生成一个o给定。
然后求出曲线下的面积，求出%s。
我想使用核密度估计来做类似的事情。我喜欢使用内核密度平滑上/下界的方式(即，min和max将稍微扩展到我的硬编码输入之外)。
不管怎样..。我想知道是否有一种方法可以将of看作一种累积分布函数和/或使用核密度估计来导出给定y数据的累积分布函数？
如果这是个令人困惑的问题，我很抱歉。我知道有一种方法可以导出一个累积频率图(即way )。但是，考虑到这个累积频率图，我无法确定如何导出%。
我不想要的是经济衰退。我知道如何做到这一点，我也不太想捕获一个ecdf。但是，更确切地说，是一个给定的两
浏览 2提问于2016-04-29得票数 0
回答已采纳
2回答
我有两种类型的个体，比如M和F，每种都用六个变量描述(形成一个6D空间S)。我想找出S中M和F密度差异最大的区域。我首先尝试了一个逻辑二项式模型，将F/ M与六个变量联系起来，但这个GLM模型的结果非常难以解释(部分原因是有许多重要的相互作用项)。因此，我正在考虑一个“空间”分析，我将在S中分别估计M和F个体的密度，然后计算密度的差异。最后，我会手动查找密度的最大差异，并提取6个变量的值。
我在sm包中找到了可以估计3d空间中密度的函数sm.density，但是我在n>3中找不到任何关于空间的函数，你知道在R中有什么可以做到这一点的方法吗？或者，是否会有一个更优雅的方法来回答我的第一个问
浏览 0提问于2012-05-08得票数 2
2回答
我有一个向量，我想把它转换成概率密度函数。平均值是1。我该如何绘制它？
向量：
x <-
c(0.7601401, 0.8607037, 0.8748152, 0.885415, 0.8904619, 0.899021,
0.9034128, 0.9050411, 0.9093876, 0.9141021, 0.9172803, 0.9209636,
0.9238607, 0.9268591, 0.9293789, 0.9313833, 0.9335163, 0.9360798,
0.9406245, 0.9427261, 0.9441703, 0.9473808, 0.9502
浏览 39提问于2021-05-22得票数 1
回答已采纳
它是关于非参数密度估计的。
因此，我们有2个不同的数据220个“好数据”值和30个“坏数据”值，我们应该使用k近邻密度估计来估计p(x |c=“好数据”)。
对于k=5，我们有p(x |c=good) =(5/220)*(1/V)。
如果我没理解错的话，我们应该用k近邻来确定V，然后得到p(x|c=good)，如果我们必须找出5个点的V，那么我们就可以求解p(x|c=good)。
我有一个问题，如何绘制和计算这个概率。有一张来自书的图片，在K最近邻密度估计的图形上，蓝色曲线意味着什么(你可以看到附件)？这条曲线可以显示不同V的边界吗？如果是，类之间的确切边界是什么，每个类由5个点组成？
提前谢
浏览 4提问于2013-06-02得票数 0
假设我有一组我怀疑来自同一分布的数字。
set.seed(20130613)
x <- rcauchy(10)
我想要一个函数，从相同的未知分布中随机生成一个数字。我曾经想过的一种方法是创建一个density对象，然后从这个对象中得到of，然后取一个随机一致变量的逆函数。
den <- density(x)
#' Generate n random numbers from density() object
#'
#' @param n The total random numbers to generate
#' @param den The
浏览 5提问于2013-06-13得票数 9
回答已采纳
2回答
在python中，有几种做核密度估计的方法，我想知道它们之间的差异，并做出一个很好的选择。
它们是：
scipy.stats.gaussian_kde，
sklearn.neighbors.KernelDensity，
状态模型
我想我们可以和1d, 2d，bandwidth selection，Implementation和performance做比较
我只有使用sklearn.neighbors.KernelDensity的经验。以下是我所知道的：
速度通常是快速的，可以在多维上执行，但在决定带宽方面没有帮手。
我查看了一下scipy.kde，似乎有一种带宽选择方法。
浏览 3提问于2016-02-24得票数 0
你能告诉我如何使用networkx从图中提取3个最大的核吗？我知道我可以这样提取主核：
networkx.k_core(G)
但是如何找到3个最大的核心呢？谢谢
浏览 0提问于2015-11-18得票数 0
1回答
我对估计相当高维(大约15维甚至更多)的概率密度函数很感兴趣。我听说过Dirichlet过程。你知道实现这种方法的R包吗？
谢谢
浏览 0提问于2014-01-28得票数 2
假设我有这个数据帧df
structure(list(max.diff = c(6.02, 7.56, 7.79, 7.43, 7.21, 7.65,
8.1, 7.35, 7.57, 9.09, 6.21, 8.2, 6.82, 7.18, 7.78, 8.27, 6.85,
6.72, 6.67, 6.99, 7.32, 6.59, 6.86, 6.02, 8.5, 7.25, 5.18, 8.85,
5.44, 6.44, 7.85, 6.25, 9.06, 8.19, 5.08, 6.26, 8.92, 6.83, 6.5,
7.55, 7.31, 5.83, 5.55, 4.
浏览 1提问于2017-10-13得票数 4
回答已采纳
1回答
目前我已经实现了一个从深度图像中提取特征的算法，我想在所有检测到的窗口上应用mean shift聚类。
我如何使用openCV来实现这一点呢？我知道OpenCV有mean shift，但它似乎适用于图像的反投影。是否有其他OpenCV函数可以用来查找检测窗口的模式(可能使用类似于mean shift的方法)
或者，有没有什么开源的mean shift代码可以重新用于这个问题？
浏览 0提问于2013-03-08得票数 1
当matplotlib的violinplot中的points参数被更改时会发生什么，以及这样做在什么时候会有用呢？
小提琴曲线图的points参数定义如下。
点:标量，默认值为100
定义计算每个高斯核密度估计值的点数。
Axes.violinplot(self, dataset, positions=None, vert=True, widths=0.5, showmeans=False, showextrema=True, showmedians=False, points=100, bw_method=None, *, data=None)
当我改变我的图表时，我很少看到它的变化
浏览 0提问于2019-06-24得票数 2
回答已采纳
我一直在一个机器学习项目中工作。我用的是Kstar，它给了我很好的效果。为了获得更多的准确性，我将使用朴素贝叶斯。当我试图做这样的事情时
try {
NaiveBayes ks= new NaiveBayes();
String[] options={"-B", "20"};
ks.setOptions(options);
for (String s : ks.getOptions()) {
System.err.println(s);
}
c
浏览 3提问于2014-11-24得票数 1
回答已采纳
3回答
我手上有一张图片(png格式)。连接椭圆的线(代表原子核)是超过直线的，这是不切实际的。我如何从图像中提取出这些线，使它们弯曲，前提是它们仍然包围着细胞核。
下图如下：
弯曲后
编辑：如何将answer2中的扩展和部分转换为Matlab语言？我搞不懂。
浏览 1提问于2011-11-01得票数 5
回答已采纳
原始问题
我想平滑我的解释变量，类似于车辆的速度数据，然后使用这个平滑的值。我找了很多东西，没有找到任何直接的答案。
我知道如何计算核密度估计(density()或KernSmooth::bkde())，但我不知道如何计算平滑的速度值。
重新编辑的问题
多亏了“浙江李”，我才能更好地解释我拥有的东西和我想做的事情。因此，我重新编辑了我的问题如下。
我在一段时间内对车辆进行了一些速度测量，存储为数据帧vehicle。
t speed
1 0 0.0000000
2 1 0.0000000
3 2 0.00000
浏览 4提问于2016-06-21得票数 8
回答已采纳
1回答
我有400个多边形的空间参考数据(shapefiles)，以及散布在它们上的点。我希望为每个多边形创建一个基于它包含的点的核密度估计栅格。在此之后，我希望为每个多边形创建一个100个随机点的样本，其中每个点都有一个空间引用(x和y坐标)和一个kde值。到目前为止，我所做的就是使用'ppp.density‘函数创建一个多边形形状的kde图像，但是输出结果与文档中描述的输出不同，我不知道它是什么格式，也不知道如何获得一个新点样本的kde值。
任何帮助都将不胜感激。
buffer <- st_read(".../.././buffers.shp")
pbb<- s
浏览 1提问于2021-02-03得票数 0
回答已采纳
1回答
在minisat中是否有任何API调用来提取unsat核心，或者为该核提取任何其他方法。
我希望为每次调用解算器提取unsat核心，然后对unsat核心进行工作。
浏览 1提问于2020-03-16得票数 1
回答已采纳
1回答
我的工作是乳房X光片有钙化(这是比周围组织更亮的斑点)。
这是我拥有的图片之一：
我通过创建一个热图获得了这个图像：
但是热图考虑了图像的整体亮度。为了创建一个考虑到局部亮度的概率图，我考虑了用高斯滤波器进行核密度估计，但是我在实现上遇到了问题。
我的目标是得到一个类似的结果-学习的“物种分布的核心密度估计”的例子。这是我尝试使用的代码：
import numpy as np
import cv2 as cv
from sklearn.neighbors import KernelDensity
img = cv.imread("mammo.tif", 0)
kde = K
浏览 8提问于2022-01-03得票数 1
2回答
使用python的networkx库，可以从图G中提取k核，但是否可以提取某个k的所有k核？我想做图聚类，我的想法是为k的大值提取k核，并定义这样的集群。
浏览 2提问于2014-02-26得票数 4
回答已采纳
1回答
从现有数据的分布中提取缺失值
、、、、
缺失值是数据分析中常见的问题。一种常见的策略似乎是用从现有值的分布中随机抽样的值来代替缺少的值。
是否有Python库代码可以方便地在数据帧上执行此预处理步骤？据我所见，模块不提供这种策略。
浏览 8提问于2016-11-22得票数 4
回答已采纳
1回答
我有一个向量
v = [..., -10, -10, -10, ..., 1, 2, 5, 6, 7, 9, ...]
geom_density以平滑的方式绘制这个向量的直方图，就像一个密度函数！
如何利用auc，曲线下的面积，库MESS的函数，在给定的区间内计算该向量的密度图的曲线下面积，比如说(-1, 3)。
浏览 0提问于2019-02-19得票数 0
回答已采纳
只需注意，我已经检查了和。
因此，我使用distplot在不同的子图上绘制一些直方图：
import numpy as np
#import netCDF4 as nc # used to get p0_dict
import matplotlib.pyplot as plt
from collections import OrderedDict
import seaborn.apionly as sns
import cPickle as pickle
'''
LINK TO PICKLE
https://drive.google.com/file/d/0B8Xk
浏览 0提问于2015-08-28得票数 13
回答已采纳
1回答
我想得到一个累积分布函数的平滑估计。这样做的方法之一是集成一个核密度估计器，得到一个核分布估计器。为了获得一个函数，我使用了来自kde包的"kerdiest"函数。
问题是我必须指定一个对结果有很大影响的网格。默认的网格选择会导致一个与经验分布函数图明显不同的图形(见图；白点代表经验的c.d.f.)。我可以提取网格值，这样内核估计器和ecdf就会重合，但我不明白它是如何工作的。
那么，什么是网格，它应该如何选择呢？还有其他方法可以得到分布函数的核估计量吗？
我一直在试验的数据是R中老忠实喷泉数据集的等待时间。代码是
x <- faithful$waiting
librar
浏览 0提问于2019-08-21得票数 0
回答已采纳
我有一个关于未见过的样品的问题，我想要有资格(面对或不面对)。使用普通的特征脸方法(即不是用再生核替换PCA的内积)，通过将样本投影到训练集矩阵上的PCA的特征向量上，最后根据阈值测试投影到特征向量的最小距离来完成评估。
我草草地浏览了几篇讨论KPCA方法的出版物，但当谈到测试未见过的样本的最后一步时，我遇到了一个很小的，未回答的问题：
使用普通的PCA，在投影到特征向量之前，从测试向量中减去训练集的均值。对于KPCA来说，情况并非如此。我猜这里的问题是不能访问内核空间中的点，只能访问距离。因此，我们没有“刻薄”。然而，这至少值得讨论一下吗？
谢谢你的意见和建议，因为我认为这是一种到目前为止还
浏览 0提问于2015-12-16得票数 1
1回答
在被馈送到神经网络之前，有一些核应用于图像的特征extraction.But，我们如何理解特定的核将有助于提取神经网络所需的特征。
浏览 18提问于2019-03-16得票数 0
1回答
我无法计算泊松分布的最大似然估计器和BIC。我可以得到直方图，但不能在上面叠加核密度估计。
你能告诉我哪里出错了吗？
x.pois<-rpois(Y1, 20)
hist(x.pois, breaks=100,freq=FALSE)
lines(density(Y1, bw=0.8), col="red")
library(MASS)
fitdistr(Y1,densfun="pois")
my.mle<-fitdistr(Y1, densfun="poison")
print(my.mle)
BIC(my.mle)
浏览 0提问于2014-01-07得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
