Kernel Density Estimation

释义 Definition

核密度估计：一种非参数方法，用来从样本数据中估计未知的概率密度函数。它通过在每个数据点上放置一个“核函数”（常见如高斯核），并进行平滑叠加，得到整体的密度曲线/曲面。常用于数据分布可视化、异常检测与统计建模。（也常缩写为 KDE）

发音 Pronunciation (IPA)

/ˈkɝːnəl ˈdɛnsɪti ˌɛstɪˈmeɪʃən/

例句 Examples

Kernel density estimation helps visualize the distribution without assuming it is normal.
核密度估计可以在不假设数据服从正态分布的情况下，帮助可视化其分布。

Using kernel density estimation with a carefully chosen bandwidth, the researcher identified subtle multimodal structure in the data.
研究者通过选择合适的带宽进行核密度估计，识别出了数据中细微的多峰结构。

词源 Etymology

• kernel 原意与“谷粒的内核/核心”相关，后来引申为“核心、中心的部分”；在统计中表示用于平滑的“核函数”（一个基本形状/模板）。
• density 来自拉丁语 densitas（稠密、密度），在概率论中指“概率密度”。
• estimation 来自拉丁语 aestimare（估计、评估）。
  合在一起，“kernel density estimation”字面即“用核函数来估计密度”。

相关词 Related Words

• Bandwidth
• Nonparametric
• Smoothing
• Histogram
• Kernel
• Gaussian
• Probability Density Function
• Parzen Window
• Mixture Model
• Outlier Detection

文献与作品 Notable Works

• Density Estimation for Statistics and Data Analysis（B. W. Silverman）
• All of Nonparametric Statistics（Larry Wasserman）
• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）
• Pattern Recognition and Machine Learning（Christopher M. Bishop）
• “Remarks on Some Nonparametric Estimates of a Density Function”（Emanuel Parzen，1962）