知识卡片
密度图估计不等于真实分布
KDE用样本周围的核函数形成平滑密度估计,带宽影响平滑程度;不同设置可能显露或掩盖峰。曲线不是新观测,也不证明数据来自某个精确分布;图中外延到负比率区域不表示样本确有负小费。解释时应同时看原数据、尺度和估计设置。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
核密度估计)图。调用plot时加上kind='kde'即可生成一张密度图(标准混合正态分布KDE),如图8-20所示: In [79]: tips['tip_pct'].plot(kind='kde') 图8-20:小费百分比的密度图 这两种图表常常会被画在一起。直方图以规格化形式给出(以便给出面元化密度),然后再在其上绘制核密度估计。接下来来看一个由两个不
参考来源
- 位置:《利用Python进行数据分析》第8章《直方图和密度图》(spine299;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0285.html;u182-ch08-020)。
- 结论依据:原文在“核密度估计”附近的定义、例子或代码支撑本卡核心说明:KDE用样本周围的核函数形成平滑密度估计,带宽影响平滑程度;不同设置可能显露或掩盖峰。边界按已读前提解释;示例未执行。
- 原始内容:核密度估计)图。调用plot时加上kind='kde'即可生成一张密度图(标准混合正态分布KDE),如图8-20所示: In [79]: tips['tip_pct'].plot(kind='kde') 图8-20:小费百分比的密度图 这两种图表常常会被画在一起。直方图以规格化形式给出(以便给出面元化密度),然后再在其上绘制核密度估计。接下来来看一个由两个不