论文部分内容阅读
摘要：本文通过学习核估计方法，研究了函数型数据中的核估计算法K-NN。由于对定义的介绍和对核估计方法的分析，引出核估计方法的特殊方法，即K-NN方法，通过二者的分析比较，细致的阐述了K-NN方法的精确性，对今后的实践应用产生了很大的帮助。
关键词：核估计；K-NN；k-的邻居估计
【中图分类号】G642.4
一、核平滑
二、K-NN估计
邻近估计在结构上不同于核估计，核估计被定义为一个反应x附近固定邻里的加权平均反应变量，其形状取决于核函数k和频带宽度h，邻近估计是在不同邻里的加权平均，这个邻里是指通过这些x光变数之间的k最近邻居x的欧氏距离，K-NN的重量序列在估计密度有关领域被Loftsgaarden 和Quesenberry （1965），并被Cover 和 Hart （1967）在分类目的方面使用。在目前设置的顺利回归K-NN被定义为
平滑调节参数k为估计曲线的平滑度。它扮演的角色类似于为核平滑窗宽。在不同的估计曲线的定性特征的影响下，观察到类似于核估计的一个统一的内核。
这一命题的一个结果是在偏差和平衡方差之间贡献均方误差，作为统一的k邻近量（3.4.19）实现k = kn与成比例。思考一下窗宽h的内核参数，作为平滑，相当于偏差和方差率完全等同于平滑内核，只有常数不同。的偏差往往存在边缘尾巴大的情况，该内核估计显示出不同的行为：有差异的是一个多和原来的偏差不要成为函数。
关键词：核估计；K-NN；k-的邻居估计
【中图分类号】G642.4
一、核平滑
二、K-NN估计
邻近估计在结构上不同于核估计，核估计被定义为一个反应x附近固定邻里的加权平均反应变量，其形状取决于核函数k和频带宽度h，邻近估计是在不同邻里的加权平均，这个邻里是指通过这些x光变数之间的k最近邻居x的欧氏距离，K-NN的重量序列在估计密度有关领域被Loftsgaarden 和Quesenberry （1965），并被Cover 和 Hart （1967）在分类目的方面使用。在目前设置的顺利回归K-NN被定义为
平滑调节参数k为估计曲线的平滑度。它扮演的角色类似于为核平滑窗宽。在不同的估计曲线的定性特征的影响下，观察到类似于核估计的一个统一的内核。
这一命题的一个结果是在偏差和平衡方差之间贡献均方误差，作为统一的k邻近量（3.4.19）实现k = kn与成比例。思考一下窗宽h的内核参数，作为平滑，相当于偏差和方差率完全等同于平滑内核，只有常数不同。的偏差往往存在边缘尾巴大的情况，该内核估计显示出不同的行为：有差异的是一个多和原来的偏差不要成为函数。