参考url:
https://jakevdp.github.io/PythonDataScienceHandbook/05.13-kernel-density-estimation.html
密度评估器是一种利用D维数据集生成D维概率分布估计的算法,GMM算法用不同高斯分布的加权汇总来表示概率分布估计。核密度估计(kernel density estimation,KDE)算法将高斯混合理念扩展到了逻辑极限(logical extreme),它通过对每个点生成高斯分布的混合成分,获得本质上是无参数的密度评估器。
1、KDE的由来:直方图
密度估计评估器是一种寻找数据集生成概率分布模型的算法。
一维数据的密度估计——直方图,是一个简单的密度评估器,直方图将数据分成若干区间,统计落入每个区间内的点的数量,然后用直观的方式将结果可视化。