这不是一个真正的数据可视化问题。这些信息在网上很容易获得，例如http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/AV0405/MISHRA/kde.html

提到使用 AMISE 选择带宽，可以使用相同的内核方法。但是对于 EDA，您可能希望像推荐的直方图一样工作，使用不同的 binwidth 重新绘制以了解数据中的不同内容。有时使用不同的内核可能会有所帮助。普通内核一般有用，我认为带宽比实际内核更重要。

我建议添加标签：分布，非参数。可能在这些主题下得到更好的答案。

正则化理论的框架（参见 Girosi 等人的正则化理论和神经网络架构）允许以系统的方式解决寻找良好内核的问题。

这个想法是内核由平滑稳定器确定，这类似于控制 MDL 意义上的复杂性或偏差方差误差分解。

这个想法是你试图解决这个问题， 其中是微分运算符，例如。现在可以证明这会导致以下解决方案， 其中是与正则化器相关的格林函数。通过交叉验证，您可以搜索良好的值和微分运算符的阶数。

$$H(f) = \sum_{i}\left(f(x_{i})-y_{i}\right)^{2} + \lambda ||Df||^{2}$$ $D$$\frac{d^{2}}{dx^{2}}$ $$f(x) = \sum_{i}c_{i}G(x-x_{i})$$ $G$$\lambda$