ML之01-核密度估計Kernel Density Estimation(KDE)

ML之01-核密度估計Kernel Density Estimation(KDE) 由給定樣本集合求解隨機變量的分佈密度函數問題是概率統計學的基本問題之一。解決這一問題的方法包括參數估計和非參數估計。 參數估計 參數迴歸分析 需要假定數據分佈符合某種特定的性態，如線性、可化線性或指數性態等，然後在目標函數族中尋找特定的解，即確定迴歸模型中的未知參數。 參數判別分析 需要假定作爲判別依據的、隨機取值

>>阅读原文<<