https://darkpgmr.tistory.com/147
KDE는 히스토그램을 훨씬 고도화한 방법으로 이해할 수 있다.
각각의 x이 가우시안분포(커널)를 갖는다고 가정한다. 모든 점에 대해 가우시안분포를 부여한다음, 모든 확률을 누적해서 거대한 하나의 분포를 그린다.
즉, 히스토그램의 bin 대신 가우시안분포를 쓴다고보면 된다.
Kernel Density Estimation(커널밀도추정)에 대한 이해
얼마전 한 친구가 KDE라는 용어를 사용하기에 KDE가 뭐냐고 물어보니 Kernel Density Estimation이라 한다. 순간, Kernel Density Estimation이 뭐지? 하는 의구심이 생겨서 그 친구에게 물어보니 자기도 잘 모른
darkpgmr.tistory.com
'Research > Machine Learning' 카테고리의 다른 글
| Contrastive Learning (0) | 2022.02.28 |
|---|---|
| Hinge Loss (0) | 2022.01.06 |
| Smooth Approximation (0) | 2020.08.06 |
| Information Bottleneck (0) | 2020.06.12 |
| Pseudo Label (0) | 2020.06.12 |
댓글