Kernel sűrűségbecslés
term_id: kernel_density_estimation
Category: basic_concepts
Definition
A Kernel Sűrűségbecslés (KDE) egy alapvető statisztikai technika, amely diszkrét adatpontokat simítva folyamatos valószínűségi eloszlási görbét hoz létre. Egy kernel függvényt helyez el, általában Gauss-görbét, minden…
Summary
Egy nem parametrikus módszer, amelyet egy véges adalmintán alapuló valószínűségi változó sűrűségfüggvényének becslésére használnak.
Key Concepts
- Valószínűségi sűrűségfüggvény
- Nem parametrikus statisztika
- Adatsimítás
- Gauss-kernel
Use Cases
- Felfedező adatelemzés (EDA)
- Anomáliadetektálás egyváltozós adatokban
- Jellemzőeloszlások vizualizálása adathalmazokban
Code Example
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)