অভিযোজিত কার্নেল ঘনত্বের প্রাক্কলনকারী দিয়ে কেউ কি তাদের অভিজ্ঞতার বিষয়ে রিপোর্ট করতে পারেন?
(অনেকগুলি প্রতিশব্দ রয়েছে: অভিযোজক | পরিবর্তনশীল | ভেরিয়েবল-প্রস্থ, কে। ডি। হিস্টোগ্রাম | ইন্টারপোলটার ...)
পরিবর্তনশীল কার্নেলের ঘনত্বের অনুমান
অনুসারে "আমরা নমুনা ব্যবস্থার বিভিন্ন অঞ্চলে কার্নেলের প্রস্থকে পৃথক করি There দুটি পদ্ধতি রয়েছে ..." আসলে আরও বেশি: কিছু ব্যাসার্ধের প্রতিবেশী, কেএনএন নিকটতম প্রতিবেশী (কে সাধারণত স্থির), কেডি গাছ, মাল্টিগ্রিড ...
অবশ্যই কোনও একক পদ্ধতিই সব কিছু করতে পারে না, তবে অভিযোজিত পদ্ধতিগুলি আকর্ষণীয় দেখায়।
উদাহরণস্বরূপ সুনির্দিষ্ট উপাদান পদ্ধতিতে অভিযোজিত 2 ডি জালের সুন্দর চিত্র দেখুন
।
আমি কী শুনতে / রিয়েল ডেটাগুলির জন্য কী কাজ করে না তা শুনতে চাই বিশেষত> = 2 কে বা 3 ডি তে 100k বিক্ষিপ্ত ডেটা পয়েন্ট।
2 নভেম্বর যুক্ত করা হয়েছে: এখানে একটি "ক্লাম্পি" ঘনত্বের একটি প্লট রয়েছে (টুকরোয়াল x ^ 2 * y ^ 2), নিকটতম-প্রতিবেশী অনুমান, এবং স্কট এর ফ্যাক্টর সহ গাউসিয়ান কে। যদিও একটি (১) উদাহরণ কোনও প্রমাণ দেয় না, এটি দেখায় যে এনএন তীক্ষ্ণ পাহাড়গুলি যথাযথভাবে ফিট করতে পারে (এবং, কেডি গাছগুলি ব্যবহার করে 2 ডি, 3 ডি দ্রুতগতিযুক্ত ...)