Dalam statistik, anggaran ketumpatan kernel ialah cara bukan parametrik untuk menganggar fungsi ketumpatan kebarangkalian pembolehubah rawak. Anggaran ketumpatan kernel ialah masalah pelicinan data asas di mana inferens tentang populasi dibuat, berdasarkan sampel data terhingga.
Bagaimanakah anda mengira ketumpatan kernel?
Anggaran Ketumpatan Kernel (KDE)
Ia dianggarkan hanya dengan menambah nilai kernel (K) daripada semua Xj Dengan merujuk kepada jadual di atas, KDE untuk keseluruhan set data diperoleh dengan menambah semua nilai baris. Jumlah itu kemudiannya dinormalkan dengan membahagikan bilangan titik data, iaitu enam dalam contoh ini.
Apakah itu kernel dalam anggaran ketumpatan kernel?
Walaupun histogram mengira bilangan titik data di kawasan yang agak sewenang-wenangnya, anggaran ketumpatan kernel ialah fungsi ditakrifkan sebagai jumlah fungsi kernel pada setiap titik dataFungsi kernel biasanya mempamerkan sifat berikut: Simetri seperti K (u)=K (− u).
Mengapa kita menggunakan anggaran ketumpatan kernel?
Anggaran ketumpatan kernel ialah teknik untuk menganggar fungsi ketumpatan kebarangkalian yang mesti dimiliki yang membolehkan pengguna menganalisis dengan lebih baik taburan kebarangkalian yang dikaji berbanding menggunakan histogram tradisional.
Apakah anggaran ketumpatan isirong Gaussian?
Plot kanan bawah menunjukkan anggaran ketumpatan isirong Gaussian, di mana setiap titik menyumbangkan lengkung Gaussian kepada jumlah Hasilnya ialah anggaran ketumpatan licin yang diperoleh daripada data dan berfungsi sebagai model bukan parametrik yang berkuasa bagi pengagihan mata.
