核密度估计 - AI术语词典

Definition

核密度估计（KDE）是一种基本的统计技术，通过对离散数据点进行平滑处理，生成连续的概率分布曲线。它在每个数据点处放置一个核函数（通常为高斯核），并将这些核函数叠加起来，从而估计出潜在的概率密度函数。

Summary

一种非参数方法，用于根据有限的数据样本来估计随机变量的概率密度函数。

Key Concepts

概率密度函数
非参数统计
平滑处理
高斯核

Use Cases

探索性数据分析 (EDA)
单变量数据中的异常检测
可视化数据集中的特征分布

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)