누구나 적응 형 커널 밀도 추정기 사용 경험을보고 할 수 있습니까?
(적응 형 | 가변 | 가변 폭, KDE | 히스토그램 | 보간 기 등의 동의어가 많이 있습니다.)
가변 커널 밀도 추정에
따르면 "샘플 공간의 다른 영역에서 커널의 너비를 변경합니다. 실제로는 두 가지 방법이 있습니다." multigrid ...
물론 단일 방법으로 모든 것을 수행 할 수는 없지만 적응 형 방법은 매력적으로 보입니다.
예를 들어 유한 요소 방법 의 적응 형 2D 메쉬의 멋진 그림을 참조하십시오
.
실제 데이터에서 작동하지 않았거나 작동하지 않는 것, 특히 2D 또는 3D에서 100K 이상 흩어져있는 데이터 포인트를 듣고 싶습니다.
11 월 2 일 추가 : 여기에는 "덩어리"밀도 (개별 x ^ 2 * y ^ 2), 가장 가까운 이웃 추정치 및 Scott의 계수를 가진 가우스 KDE의 도표가 있습니다. 하나의 예는 아무것도 입증하지 않지만 NN이 날카로운 언덕에 합리적으로 잘 맞을 수 있음을 보여줍니다 (그리고 KD 나무를 사용하면 2d, 3d는 빠릅니다 ...)