任何人都可以提供简单的核密度估计的 MATLAB 例程吗?

发布于 2024-10-30 19:49:45 字数 54 浏览 2 评论 0原文

我正在尝试从基础开始学习核密度估计。任何拥有 1d KDE 简单例程的人都会非常有帮助。谢谢。

I am trying to learn the kernel density estimation from the basic. Anyone have the simple routine for 1d KDE would be great helpful. Thanks.

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(1

尹雨沫 2024-11-06 19:49:45

如果您在 MATLAB 中有统计工具箱,则可以使用 ksdensis< /code>使用内核平滑估计 pdf/cdf。这是一个例子

data=[randn(2000,1);4+randn(2000,1)];%# create a bimodal Gaussian distribution
x=linspace(-4,8,1e4);%# need to evaluate density at these points

pF=ksdensity(data,x,'function','pdf');%# evaluate the pdf of the data points

如果你绘制它,它应该看起来像这样

在此处输入图像描述

您还可以获得累积分布或逆累积或更改所使用的内核。您可以从提供的链接查找选项列表。这应该可以帮助您入门:)

If you have the statistics toolbox in MATLAB, you can use the ksdensity to estimate pdf/cdf using kernel smoothing. Here's an example

data=[randn(2000,1);4+randn(2000,1)];%# create a bimodal Gaussian distribution
x=linspace(-4,8,1e4);%# need to evaluate density at these points

pF=ksdensity(data,x,'function','pdf');%# evaluate the pdf of the data points

If you plot it, it should look like this

enter image description here

You can also get the cumulative distribution or the inverse cumulative or change the kernel that is used. You can look up the list of options from the link provided. This should help you get started :)

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文