ดูเหมือนจะมีสองคำถามที่แตกต่างกันที่นี่ซึ่งฉันจะพยายามแยก:
1) KS, การทำให้เคอร์เนลราบเรียบแตกต่างจาก KDE อย่างไรการประมาณความหนาแน่นของเคอร์เนล ดีว่าฉันมีตัวประมาณ / นุ่มนวล / interpolator
est( xi, fi -> gridj, estj )
และเกิดขึ้นกับทราบความหนาแน่น "จริง" ที่ xi จากนั้นการรัน
est( x, densityf )
จะต้องให้ค่าความหนาแน่นโดยประมาณ (): KDE อาจเป็นได้ว่า KS และ KDE ได้รับการประเมินต่างกัน - เกณฑ์ความเรียบที่แตกต่างกัน, บรรทัดฐานที่แตกต่างกัน - แต่ฉันไม่เห็นความแตกต่างพื้นฐาน ฉันพลาดอะไรไป
2) วิธีการที่ไม่ส่งผลกระทบต่อการประมาณมิติหรือเรียบintuitivly ? นี่คือตัวอย่างของเล่นเพียงเพื่อช่วยปรีชา พิจารณากล่อง N = 10,000 คะแนนในกริดสม่ำเสมอและหน้าต่างเส้นหรือสี่เหลี่ยมหรือคิวบ์ W = 64 คะแนนภายใน:
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
ที่นี่ "อัตราส่วนด้าน" คือด้านข้างของหน้าต่าง / กล่องและ "dist to win" เป็นค่าประมาณคร่าวๆของระยะเฉลี่ยของจุดสุ่มในกล่องไปยังหน้าต่างที่วางแบบสุ่ม
สิ่งนี้สมเหตุสมผลหรือไม่? (รูปภาพหรือแอปเพล็ตจะช่วยได้จริง: ใคร?)
แนวคิดก็คือหน้าต่างขนาดคงที่ภายในกล่องขนาดคงที่นั้นมีความใกล้เคียงกันมากกับส่วนที่เหลือของกล่องใน 1d 2d 3d 4d นี่คือกริดที่เหมือนกัน บางทีการพึ่งพามิติที่แข็งแกร่งอาจนำไปสู่การแจกแจงอื่น อย่างไรก็ตามดูเหมือนว่าเอฟเฟกต์ทั่วไปที่แข็งแกร่งลักษณะของการสาปแช่งของมิติ