选择核密度估计带宽LSCV与DPI方法对比

最小二乘交叉验证（Least Squares Cross-Validation, LSCV）和直接插入法（Direct Plug-in, DPI）是两种常用于选择核密度估计带宽的方法。

原理与定义

最小二乘交叉验证（LSCV）

原理：通过交叉验证方法，计算密度估计的均方误差，选择使得均方误差最小的带宽。

公式：
$$LSCV(h)={\int }_{\mathbb{R}}\hat{f}(x;h{)}^{2}dx-\frac{2}{n}\sum _{i=1}^n{\hat{f}}_{-i}(X_i;h)$$
其中， ${\hat{f}}_{-i}(X_i;h)$ 表示去掉第 $i$ 个观测值后的核密度估计。

目标：最小化 $LSCV(h)$ 以找到最佳带宽 $h_{LSCV}$ 。

直接插入法（DPI）

原理：基于优化目标（如均方积分误差，AMISE），直接插入估计量来计算带宽。这个方法通过初步估计一些未知量，并将它们代入带宽选择公式中。

公式：
$$h_{AMISE}={\left(\frac{d\Vert K{\Vert }_{L_2}^2}{n{\mu }_2(\kappa {)}^2\Vert \Delta f{\Vert }_{L_2}^2}\right)}^{\frac{1}{d+4}}$$
其中， $\Vert \Delta f{\Vert }_{L_2}^2$ 需要通过初步估计计算得到。

目标：通过直接插入法估计所需的未知量，最终得到最佳带宽。

计算步骤

LSCV

1. 计算核密度估计 $\hat{f}(x;h)$ 。
2. 交叉验证：去掉每一个数据点，计算去掉后的核密度估计值 ${\hat{f}}_{-i}(X_i;h)$ 。
3. 计算LSCV值：将这些估计值带入LSCV公式，计算出LSCV值。
4. 优化带宽：通过数值优化，找到使得LSCV值最小的带宽 $h_{LSCV}$ 。

DPI

1. 初步估计：选择一个初步带宽矩阵 $\mathbf{G}$ ，计算初步密度估计 $\tilde{f}(x,\mathbf{G})$ 。
2. 估计拉普拉斯量：计算初步密度估计的拉普拉斯量，并求其 $L_2$ 范数的平方。
3. 带入公式：将估计的 $\Vert \Delta f{\Vert }_{L_2}^2$ 带入带宽选择公式，计算最终的带宽矩阵 $h_{AMISE}$ 。

优缺点

LSCV

优点：

• 理论基础扎实，是一种无偏估计方法。
• 适用于不同类型的数据集，尤其是在不确定数据分布的情况下。

缺点：

• 计算量大，特别是在大数据集或多维数据中，计算每一个去掉点的核密度估计值非常耗时。
• 对带宽的选择较为敏感，优化过程可能较为复杂。

DPI

优点：

• 计算过程相对简单，尤其是在初步估计步骤得到合理估计后。

• 可以通过初步估计直接计算带宽，不需要进行复杂的交叉验证。

缺点：

• 依赖于初步估计的质量，如果初步估计不准确，最终结果也可能不准确。

• 需要对核函数和数据分布有一定的先验知识，以便正确计算公式中的各项。

适用场景

LSCV

• 更适合没有明确先验知识的数据集。

• 适用于需要精确估计误差的场景。

DPI

• 更适合有一定先验知识的数据集。

• 在初步估计容易获得的情况下，DPI可能更高效。

总结

LSCV和DPI是两种不同的带宽选择方法，各有优缺点。LSCV通过交叉验证方法来最小化估计误差，适用于各种数据集，但计算量较大。DPI则通过直接插入估计量来计算带宽，适用于有先验知识的数据集，计算相对简单但依赖于初步估计的准确性。在实际应用中，选择合适的方法取决于具体的数据特点和计算资源。