Estymacja gęstości jądra
term_id: kernel_density_estimation
Category: basic_concepts
Definition
Estymacja gęstości jądra (KDE) to fundamentalna technika statystyczna, która wygładza dyskretne punkty danych, aby utworzyć ciągłą krzywą rozkładu prawdopodobieństwa. Polega ona na umieszczeniu funkcji jądra (zazwyczaj Gaussa) w każdym punkcie danych i zsumowaniu ich wkładów.
Summary
Nienparametryczna metoda używana do estymacji funkcji gęstości prawdopodobieństwa zmiennej losowej na podstawie skończonego próbkowania danych.
Key Concepts
- Funkcja gęstości prawdopodobieństwa
- Statystyka nienparametryczna
- Wygładzanie
- Jądro Gaussa
Use Cases
- Eksploracyjna analiza danych (EDA)
- Wykrywanie anomalii w danych jednowymiarowych
- Wizualizacja rozkładów cech w zbiorach danych
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)