当需要估计的概率密度函数的形式未知,比如我们并不能知道样本的分布形式时,我们就无法用最大似然估计方法或贝叶斯估计方法来进行参数估计,而应该用非参数估计方法。这里就介绍三种非参数估计方法。 
需要知道的是,作为非参数方法的共同问题是对样本数量需求较大,只要样本数目足够大众可以保证收敛于任何复杂的位置密度,但是计算量和存储量都比较大。当样本数很少时,如果能够对密度函数有先验认识,则参数估计能取得更好的估计效果。

个人总结:

1、非参数估计的目的是求 概率密度函数-----也可以转换理解为如何确定k值,因为确定k值后,根据下面的核心估计公式,确定(估计)概率密度。注:可以理解为,根据k值得确定方式不同,分出了上面三种估计方法。

核心估计公式为:

2、直方图 和 Parzen窗是 先确定区间,再看落入样本数(k值)

      k近邻估计是 先确定k值 再动态调整(包含k个样本的)区间(区域)大小

3、

(1)在Parsen窗中

v=h^3

即h越大,分辨率越低(欠拟合),h越小,稳定性就低些(过拟合)。

这里指的都是 估计的概率密度 与 真实概率密度之间的关系

(2)在k近邻中,k小,则模型复杂,容易过拟合,k大则模型相对简单,容易欠拟合。


附图:

其实最终结果,是比较 估计的密度函数实际密度函数 两者的误差率


参考博客:

https://blog.csdn.net/angel_yuaner/article/details/47951111

https://blog.csdn.net/zengxiantao1994/article/details/73196312

https://blog.csdn.net/drrlalala/article/details/45533821

https://blog.csdn.net/yujianmin1990/article/details/47734049

https://blog.csdn.net/liyuefeilong/article/details/45274325

非参数估计---直方图法、Kn近邻估计法、Parzen窗法相关推荐

  1. 【MATLAB】Parzen窗与K近邻算法原理与代码详解

    文章目录 1.非参数估计原理 2.Parzen窗 2.1.算法原理 2.2.Matlab实现与参数探究 3.K近邻 3.1.算法原理 3.2.Matlab实现与参数探究 1.非参数估计原理 \qqua ...

  2. parzen窗估计如何进行结果分析_Parzen窗方法的分析和研讨

    对 Parzen 窗 /PNN 算法的学习和研究报告 姓名:吴潇 学号: 1333755 1 . Parzen 窗方法综述.发展历史及现状 模式识别领域的非参数估计方法大致可以分为两类.第一种类型是先 ...

  3. parzen窗估计如何进行结果分析_实现一下模式识别(一)Parzen窗估计

    自己计划实现一遍模式识别里的内容. Parzen窗估计是非参数估计.我在非参数技术--Parzen窗估计方法文章和非参数估计-Parzen窗口函数法文章里面整理出了算法基本过程:利用第一篇博客给出的样 ...

  4. 非参数估计-parzen窗估计和k近邻估计

    许多数据挖掘模型(贝叶斯决策模型)是基于一假设条件的:数据的概率密度函数的参数形式已知,然后去估计其参数,并且有参数估计方法,最大似然估计和贝叶斯参数估计等.这一假设是带有相当大的局限性的,第一:假设 ...

  5. 非参数估计—Parzen窗与K-nearest-neighbor

    在之前的学习中,我们总是假设概率密度函数的参数形式已知,并在此条件下处理有监督学习过程.而在现实世界中,我们给出的概率密度函数很少符合实际情况,本节我们讨论非参数化方法(non-parametric ...

  6. parzen窗方法和k近邻方法估计概率密度

    机器学习实验四,详情请参考<模式分类>第二版第四章课后上机练习4.3.4.4节 实验环境: Matlab2016a Parzen窗估计方法: 已知测试样本数据x1,x2,-,xn,在不利用 ...

  7. 机器学习 —— 基础整理(三)生成式模型的非参数方法: Parzen窗估计、k近邻估计;k近邻分类器...

    本文简述了以下内容: (一)生成式模型的非参数方法 (二)Parzen窗估计 (三)k近邻估计 (四)k近邻分类器(k-nearest neighbor,kNN) (一)非参数方法(Non-param ...

  8. parzen窗估计如何进行结果分析_Parzen窗方法的分析和研究

    1333755 第 1 页 对 Parzen 窗 /PNN 算法的学习和研究报告 姓名:吴潇 学号: 1333755 1 . Parzen 窗方法综述.发展历史及现状 模式识别领域的非参数估计方法大致 ...

  9. parzen窗估计如何进行结果分析_基于参数Parzen窗估计的独立分量分析

    基于参数 Parzen 窗估计的独立分量分析 成孝刚 ; 姜华 ; 刘国庆 ; 陈启美 [期刊名称] <信号处理> [年 ( 卷 ), 期] 2009(025)003 [摘要] 在对盲源信 ...

最新文章

  1. 解决使用mybatis分页插件PageHelper的一个报错问题
  2. 网站建设注重用户体验尤为重要
  3. lua学习笔记之数据文件及序列化
  4. 关于使用QQ、新浪微博、腾讯微博等第三方登录网站的开发过程(一)
  5. java中负数取整_Java取整,固定保留两位小数,适配负数、金融数字。
  6. CSS3与页面布局学习笔记(三)——BFC、定位、浮动、7种垂直居中方法
  7. ESLint 在中大型团队的应用实践
  8. 冈萨雷斯《数字图像处理》读书笔记(九)——形态学图像处理
  9. oracle odi 资料档案库访问期间出现未分类的异常错误,oracle学习_基本语法
  10. k折交叉验证优缺点_R语言中K邻近算法的初学者指南:从菜鸟到大神(附代码&链接)...
  11. 斐波那契 —— 矩阵形式推导
  12. python编程是啥-小学生都开始学的Python编程到底是什么?
  13. 最近一段时间的手工作品
  14. 谭浩强 C程序设计(第五版)
  15. 【Unity3D日常开发】Unity3D中 C#反射Reflection的使用
  16. 为什么Java编程语言用一种咖啡名做名字
  17. 路由器原理和路由协议介绍
  18. ip地址合不合法怎么看_怎样判断IP地址的非法性?
  19. 软件设计师---钉子户
  20. 应聘需要注意事项(反问面试官)

热门文章

  1. 2021年PMP®考试改革
  2. 无盘服务器健康度,无盘工作站搭建及日常维护技巧简介
  3. 武林外传辅助工具详细制作过程[第三篇:显示游戏数据]
  4. 2.12、系统修改-隐藏安卓系统的导航栏和状态栏
  5. 基于Android studio的语音播报功能
  6. 从边缘码农走到DeFi“帝国”,AC的加密时代最终落下帷幕。
  7. CNN-单目标追踪实战(Torch实现)
  8. FieldTrip toolbox教程系列(0)-安装、配置与测试
  9. SQL触发器的使用及语法
  10. EAS-MsgBox用法