Odborná definícia
Odborná definícia
Kernel density estimation, KDE, je neparametrický odhad pravdepodobnostnej hustoty, ktorý umiestni na každý pozorovaný bod hladkú jadrovú funkciu a ich príspevky spriemeruje. Kľúčový parameter bandwidth určuje mieru vyhladenia, zatiaľ čo typ kernelu ovplyvňuje lokálny tvar. KDE nepredpokladá konkrétnu rodinu rozdelenia, ale vo vyšších dimenziách potrebuje veľa dát a výsledok je citlivý na škálovanie, hranice podpory a voľbu metriky. Pri multivariátnych dátach môže mať bandwidth jednu mierku alebo samostatnú maticu pre rôzne smery.
Zrozumiteľné vysvetlenie
Zrozumiteľné vysvetlenie
Máte časy, kedy používatelia otvárajú aplikáciu, a chcete vidieť typické špičky bez vnucovania normálneho rozdelenia. Nad každý čas položíte malý hladký kopček. Súčet kopčekov vytvorí krivku hustoty. Úzky bandwidth ukáže veľa drobných vrcholov, vrátane náhodného šumu. Široký bandwidth spojí rannú a večernú špičku do jedného nepresného kopca. Pri údajoch obmedzených napríklad na kladné hodnoty treba riešiť, aby hustota umelo neunikala za hranicu. Krivka je odhad z konkrétnej vzorky, nie dôkaz, že populácia má presne rovnaký počet vrcholov.
Časté otázky
Časté otázky
Čo je bandwidth?
Mierka šírky jadier, ktorá riadi kompromis medzi varianciou a skreslením. Malá hodnota kopíruje jednotlivé pozorovania, veľká hodnota silno vyhladzuje. Volí sa pravidlom, cross-validáciou alebo doménovým posúdením.
Musí sa hustota integrovať na jedna?
Áno, korektný odhad hustoty má po celej oblasti integrál jedna. Implementácia to zabezpečuje normalizáciou jadier, no pri neštandardnej metrike alebo hraniciach treba overiť interpretáciu výsledných log-hustôt.
Ako KDE pomáha pri detekcii anomálií?
Body v oblastiach s veľmi nízkou odhadovanou hustotou možno označiť ako neobvyklé. Prah sa však kalibruje na validačných dátach, pretože riedka legitímna podskupina môže vyzerať rovnako ako chyba.
Prečo KDE zlyháva vo vysokých dimenziách?
Objem priestoru rastie a lokálne okolie zostáva riedke, takže hladký odhad potrebuje exponenciálne viac dát. Pomáha redukcia dimenzie, faktorové modely alebo hustota v naučenom latentnom priestore.
Aký kernel sa používa najčastejšie?
Gaussovský kernel je bežný pre hladkosť a jednoduchú interpretáciu. Pri dostatku dát má často väčší vplyv bandwidth než presný tvar kernelu, no kompaktná podpora alebo doménové hranice môžu voľbu zmeniť.
Súvisiace pojmy
Súvisiace pojmy
Zdroje a redakčná stopa
Zdroje a redakčná stopa
- scikit-learn, KernelDensity
- scikit-learn, Density Estimation
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.