Khi trực quan hóa dữ liệu một chiều, người ta thường sử dụng kỹ thuật Ước tính mật độ hạt nhân để tính toán độ rộng thùng được chọn không chính xác.
Khi bộ dữ liệu một chiều của tôi có độ không đảm bảo đo, có cách nào chuẩn để kết hợp thông tin này không?
Ví dụ (và tha thứ cho tôi nếu sự hiểu biết của tôi là ngây thơ) KDE kết hợp một cấu hình Gaussian với các hàm delta của các quan sát. Hạt nhân Gaussian này được chia sẻ giữa mỗi vị trí, nhưng tham số Gaussian có thể được thay đổi để phù hợp với độ không đảm bảo đo. Có một cách tiêu chuẩn để thực hiện điều này? Tôi hy vọng sẽ phản ánh các giá trị không chắc chắn với hạt nhân rộng.
Tôi đã thực hiện điều này đơn giản bằng Python, nhưng tôi không biết về một phương thức hoặc hàm tiêu chuẩn để thực hiện điều này. Có bất kỳ vấn đề trong kỹ thuật này? Tôi lưu ý rằng nó cung cấp cho một số biểu đồ tìm kiếm kỳ lạ! Ví dụ
Trong trường hợp này, các giá trị thấp có độ không đảm bảo lớn hơn do đó có xu hướng cung cấp các hạt phẳng rộng, trong khi KDE vượt quá các giá trị thấp (và không chắc chắn).