Kernel-Dichteschätzung

term_id: kernel_density_estimation

Category: basic_concepts

Definition

Die Kernel-Dichteschätzung (KDE) ist eine grundlegende statistische Technik, die diskrete Datenpunkte glättet, um eine kontinuierliche Kurve der Wahrscheinlichkeitsverteilung zu erstellen. Dabei wird eine Kernelfunktion, typischerweise eine Gauß-

Summary

Eine nichtparametrische Methode zur Schätzung der Wahrscheinlichkeitsdichtefunktion einer Zufallsvariable auf Basis einer endlichen Datenstichprobe.

Key Concepts

  • Wahrscheinlichkeitsdichtefunktion
  • Nichtparametrische Statistik
  • Glättung
  • Gauß-Kernel

Use Cases

  • Explorative Datenanalyse (EDA)
  • Anomalieerkennung in univariaten Daten
  • Visualisierung von Merkmalsverteilungen in Datensätzen

Code Example

1
2
3
4
5
6
7

from scipy.stats import gaussian_kde
import numpy as np

data = np.random.normal(0, 1, 100)
kde = gaussian_kde(data)
x_vals = np.linspace(-3, 3, 100)
y_vals = kde(x_vals)

Related