Preguntas etiquetadas con kernel-smoothing

Después de pasar por algunas matemáticas ligeramente concisas, creo que tengo una ligera intuición de la estimación de la densidad del núcleo. Pero también soy consciente de que estimar la densidad multivariada para más de tres variables podría no ser una buena idea, en términos de las propiedades estadísticas de …

13 nonparametric  pdf  kernel-smoothing  bivariate  density-estimation 

Acabo de pensar en una forma ordenada (no necesariamente buena) de crear estimaciones de densidad unidimensionales y mi pregunta es: ¿Este método de estimación de densidad tiene un nombre? Si no, ¿es un caso especial de algún otro método en la literatura? Aquí está el método: Tenemos un vector que …

12 r  estimation  nonparametric  pdf  kernel-smoothing 

Cuando se visualizan datos unidimensionales, es común usar la técnica de Estimación de densidad de kernel para dar cuenta de los anchos de bin elegidos incorrectamente. Cuando mi conjunto de datos unidimensional tiene incertidumbres de medición, ¿hay una forma estándar de incorporar esta información? Por ejemplo (y perdóneme si mi …

12 uncertainty  kde  kernel-smoothing 

Estoy usando Bayes para resolver un problema de agrupamiento. Después de hacer algunos cálculos termino con la necesidad de obtener la razón de dos probabilidades: P(A)/P(B)P(A)/P(B)P(A)/P(B) para poder obtener . Estas probabilidades se obtienen mediante la integración de dos KDE multivariados 2D diferentes como se explica en esta respuesta :P(H|D)P(H|D)P(H|D) …

12 probability  bayesian  maximum-likelihood  kernel-smoothing 

Vengo de esta pregunta en caso de que alguien quiera seguir el rastro. Básicamente tengo un conjunto de datos ΩΩ\Omega compuesto de NNN objetos donde cada objeto tiene un número dado de valores medidos adjuntos (dos en este caso): Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]\Omega = o_1[x_1, y_1], o_2[x_2, y_2], ..., o_N[x_N, y_N] Necesito una …

12 probability  maximum-likelihood  kernel-smoothing  numerical-integration 

Estoy buscando referencias sobre el cálculo de intervalos de confianza para el modo (en general). Puede parecer que Bootstrap es la primera opción natural, pero como lo comenta Romano (1988), el bootstrap estándar falla para el modo y no proporciona ninguna solución simple. ¿Ha cambiado algo desde este artículo? ¿Cuál …

11 confidence-interval  bootstrap  kernel-smoothing  mode 

Tengo una situación en la que puedo estimar (los primeros) momentos de un conjunto de datos, y me gustaría usarlo para producir una estimación de la función de densidad.kkk Ya me encontré con la distribución de Pearson , pero me di cuenta de que solo se basa en los primeros …

11 pdf  kernel-smoothing  moments 

Tengo que calcular la estimación de densidad de kernel 2d (kde) a partir de una lista de coordenadas de latitud y longitud. Pero un grado en latitud no es la misma distancia que un grado en longitud, esto significa que los núcleos individuales serían ovales, especialmente cuanto más lejos esté …

11 spatial  kernel-smoothing  geostatistics  geography 

Tengo algunas observaciones y quiero imitar el muestreo basado en estas observaciones. Aquí considero un modelo no paramétrico, específicamente, utilizo el suavizado del núcleo para estimar un CDF a partir de las observaciones limitadas. Luego dibujo valores al azar del CDF obtenido. El siguiente es mi código, (la idea es …

10 sampling  matlab  kernel-smoothing  density-estimation 

Sean observaciones extraídas de una distribución de probabilidad desconocida (pero ciertamente asimétrica).{ x1, ... , xnorte}{X1,...,Xnorte}\{x_1,\ldots,x_N\} Me gustaría encontrar la distribución de probabilidad utilizando el enfoque KDE: Sin embargo, intenté usar un núcleo gaussiano, pero funcionó mal, ya que es simétrico. Por lo tanto, he visto que se han publicado …

10 probability  distributions  pdf  kernel-smoothing 

Tengo algunos datos en R, almacenados en una lista. Pensar d <- c(1,2,3,4) aunque estos no son mis datos. Si luego ingreso el comando plot(density(d, kernel="gaussian", width=1)) entonces obtengo la estimación de densidad de probabilidad del núcleo, donde el núcleo es normal normal. Si reemplazo 1 con otros números, por …

10 r  kernel-smoothing 

Estoy haciendo una estimación de densidad de Kernel, con un conjunto de puntos ponderados (es decir, cada muestra tiene un peso que no es necesario), en N dimensiones. Además, estas muestras están solo en un espacio métrico (es decir, podemos definir una distancia entre ellas) pero nada más. Por ejemplo, …

10 pdf  smoothing  kernel-smoothing 

Las características aleatorias de Fourier proporcionan aproximaciones a las funciones del núcleo. Se utilizan para varios métodos de kernel, como SVM y procesos gaussianos. Hoy, intenté usar la implementación de TensorFlow y obtuve valores negativos para la mitad de mis funciones. Según tengo entendido, esto no debería suceder. Así que …

10 machine-learning  kernel-smoothing  feature-construction  tensorflow  fourier-transform 

Deseo probar algunas de mis ideas que creo que son mejores que cualquier cosa que haya visto. Podría estar equivocado, pero me gustaría probar mis ideas y vencer mis dudas con observaciones más ciertas. Lo que he estado pensando hacer es lo siguiente: Definir analíticamente un conjunto de distribuciones. Algunos …

10 hypothesis-testing  estimation  pdf  kernel-smoothing  model-evaluation 

¿Hay alguna razón particular por la que elegirás la estimación de densidad del kernel sobre la estimación paramétrica? Estaba aprendiendo a ajustar la distribución a mis datos. Esta pregunta me vino. Mi tamaño de datos es relativamente grande con 7500 puntos de datos. Auto reclamaciones. Mi objetivo es ajustarlo a …

10 estimation  nonparametric  kernel-smoothing  parametric