Pertanyaan yang diberi tag kernel-smoothing

Teknik pemulusan kernel, seperti estimasi kepadatan kernel (KDE) dan regresi kernel Nadaraya-Watson, memperkirakan fungsi dengan interpolasi lokal dari titik data. Jangan bingung dengan [trik-kernel], untuk kernel yang digunakan misalnya dalam SVM.

29
Memilih bandwidth untuk penduga kepadatan kernel

Untuk penduga kepadatan kernel (KDE) univariat, saya menggunakan aturan Silverman untuk menghitung :hhh 0.9min(sd,IQR/1.34)×n−0.20.9min(sd,IQR/1.34)×n−0.2\begin{equation} 0.9 \min(sd, IQR/1.34)\times n^{-0.2} \end{equation} Apa aturan standar untuk KDE multivarian (dengan asumsi kernel...

21
Bagaimana cara memproyeksikan vektor baru ke ruang PCA?

Setelah melakukan analisis komponen utama (PCA), saya ingin memproyeksikan vektor baru ke ruang PCA (yaitu menemukan koordinatnya dalam sistem koordinat PCA). Saya telah menghitung PCA dalam bahasa R menggunakan prcomp. Sekarang saya harus bisa mengalikan vektor saya dengan matriks rotasi PCA....

15
Apa intuisi di balik sampel yang dapat ditukar di bawah hipotesis nol?

Tes permutasi (juga disebut tes pengacakan, uji pengacakan ulang, atau tes yang tepat) sangat berguna dan berguna ketika asumsi distribusi normal yang diperlukan misalnya, t-testtidak terpenuhi dan ketika transformasi nilai dengan peringkat dari tes non-parametrik seperti Mann-Whitney-U-testakan...

14
Kernel Bandwidth: Aturan Scott vs. Silverman

Adakah yang bisa menjelaskan dalam bahasa Inggris apa perbedaan antara aturan praktis Scott dan Silverman untuk pemilihan bandwidth? Secara khusus, kapan yang satu lebih baik dari yang lain? Apakah ini terkait dengan distribusi yang mendasarinya? Jumlah sampel? PS Saya mengacu pada kode di SciPy...