非参数估计

本文介绍了非参数估计的特点和分类,重点探讨了Parzen窗的原理、常见窗函数、实例及其特点,并提及了k近邻方法。
摘要由CSDN通过智能技术生成

一。特点:


不需要用表达式来表示总体的概率密度,然后估计这表达式里的未知数,而是直接用样本来估计这个总体概率密度

二。分类:


1、parzen窗


(核密度估计 kernel density estimate KDE),注意,虽然叫‘核密度’,但是使用的是‘窗函数’而不是核函数,一般认为核函数的作用参见‘核函数、mercer条件’

2、k近邻


3、神经网络


三。parzen窗:


1、思想:


因为不知道总体概率密度,但是可以这样估计:
对于已采到的样本点出&
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值