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

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