Dường như có hai câu hỏi khác nhau ở đây, mà tôi sẽ cố gắng phân tách:
1) Làm thế nào là KS, làm mịn kernel, khác với KDE, ước tính mật độ kernel? Vâng, giả sử tôi có một công cụ ước tính / mượt mà / nội suy
est( xi, fi -> gridj, estj )
và cũng tình cờ biết mật độ "thực" () tại xi. Sau đó, việc chạy
est( x, densityf )
phải đưa ra ước tính về mật độ (): một KDE. Cũng có thể là các KS và KDE được đánh giá khác nhau - tiêu chí độ mịn khác nhau, chỉ tiêu khác nhau - nhưng tôi không thấy sự khác biệt cơ bản. Tôi đang thiếu gì?
2) Làm thế nào để kích thước ảnh hưởng đến ước tính hoặc làm mịn, trực giác ? Đây là một ví dụ đồ chơi, chỉ để giúp trực giác. Hãy xem xét một hộp có N = 10000 điểm trong một lưới thống nhất và một cửa sổ, một đường thẳng hoặc hình vuông hoặc khối lập phương, có W = 64 điểm trong đó:
1d 2d 3d 4d
---------------------------------------------------------------
data 10000 100x100 22x22x22 10x10x10x10
side 10000 100 22 10
window 64 8x8 4x4x4 2.8^4
side ratio .64 % 8 % 19 % 28 %
dist to win 5000 47 13 7
Ở đây "tỷ lệ bên" là bên cửa sổ / bên hộp và "dist to win" là ước tính sơ bộ về khoảng cách trung bình của một điểm ngẫu nhiên trong hộp đến cửa sổ được đặt ngẫu nhiên.
Điều này có ý nghĩa gì không ? (Một hình ảnh hoặc applet thực sự sẽ giúp: bất cứ ai?)
Ý tưởng là một cửa sổ kích thước cố định trong một hộp có kích thước cố định có độ gần rất khác với phần còn lại của hộp, trong 1d 2d 3d 4d. Đây là cho một lưới thống nhất; có thể sự phụ thuộc mạnh mẽ vào kích thước mang đến các phân phối khác, có thể không. Dù sao, nó trông giống như một hiệu ứng chung mạnh mẽ, một khía cạnh của lời nguyền của chiều.