非参数估计(第1讲)重点.ppt

* * 还是一个遍历方法，只是到某些子根节点就不必走下去，就可以返回了。 * 流程图 * 红黑两类，绿圈为类中心区域 * C-E * C-E * 分类 理由 产生分类器 窗宽度是一个平滑参数 * 窗宽度是一个平滑参数 * * How these limitations can be circumvented if an unlimited number of samples is available. * 寻找V的一个折中 * * 对于任意j 1，，，D 朴素估计器 * * 用某种核函数表示某一样本对待估计的密度函数的贡献，所有样本所作贡献的线性组合视作对某点概率密度p x 的估计 * Pn * * **** * 前面我们看到的是一个单峰的经典密度分布样本估计概率密度的结果,下面我们再看看多峰的分布样本估计情况 待估的密度函数是这样的 还是使用正态窗 * generalize * ?In high dimensional space, randomly generated points are approximately equidistant - almost all points classified the same way？？？ * ？？？ * C-e * E-c * * 同K近邻估计两个一维密度：高斯和双峰分布。请注意，用有限的N个样本估计,结果是相当“高低