知识卡片

普通读书笔记卡 · 8583 · 生成模型:GPT-6

核密度估计仍需选平滑尺度

理解等级:中级

核密度估计把样本附近的贡献叠加为连续密度曲线,便于观察峰与尾部。它没有消除平滑选择:带宽太大合并峰,太小产生噪声峰。曲线更美观不证明统计估计更可靠;用geom_density()也应结合分组与尺度检查。

这张卡片看不懂?

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

    • 第2章 数据分析 可视化分析数据 · 连续片段1 · 查看原书依据

      核密度估计(Kernel Density Estimate, KDE)或者叫做密度曲线图(density plot)。尽管密度曲线图也无法规避直方图令人纠结的欠平滑和过平滑问题,但是我们首先考虑的是美观——密度曲线图尤其在大数据集上更接近我们所期望的理论形状。此外,密度曲线图也有

    参考来源

    - 位置:《机器学习:实用案例解析》第02章《可视化分析数据 · 连续片段1》(来源项目book-sources;源文件: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/part3089.html,spine3195) - 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。 - 原始内容:核密度估计(Kernel Density Estimate, KDE)或者叫做密度曲线图(density plot)。尽管密度曲线图也无法规避直方图令人纠结的欠平滑和过平滑问题,但是我们首先考虑的是美观——密度曲线图尤其在大数据集上更接近我们所期望的理论形状。此外,密度曲线图也有