ksdensity

---

单变量和双变量数据的核平滑函数估计

函数库: TyMachineLearning

语法

xi, f = ksdensity(X)

说明

xi, f = ksdensity(X)返回包含X 是一个 n×1 的一维向量，f是在xi处的概率密度函数。

示例

单变量和双变量数据的核平滑函数估计

计算单变量和双变量数据的核平滑函数估计。

加载数据集，

using CSV
using TyMachineLearning
using DataFrames
using TyPlot 
file1 = joinpath(pkgdir(TyMachineLearning), "data/Industrial_Statistics/ksd.csv")
fgdata_x = CSV.read(file1, DataFrame; header=0)
fgdata_x1 = fgdata_x.Column1
X = fgdata_x1

计算累积函数

xi, f = TyMachineLearning.ksdensity(X)
scatter(xi,f)

结果分析：从结果来看，我们认为平滑效果较好，f是在xi处的概率密度估计。

输入参数

X-输入预测变量

X 是一个 n*1 的向量

数据类型: Vector

输出参数

f-是在xi处的概率密度函数。

向量

数据类型: Vector

xi-是X在f中的x坐标。

向量

数据类型: Vector