当将直方图视为对密度函数的估计时，将 bin 大小视为约束该函数局部结构的参数是否合理？
另外，有没有更好的方法来表达这种推理？
直方图中的“bin size”可以被认为是一个规律性约束吗？
数据挖掘
机器学习
统计数据
可视化
可能性
正则化
2022-02-15 23:52:04
1个回答
是的，我认为这个想法是将直方图视为Kernel Density Estimation的一个特例。在这种情况下，KDE 成为直方图的核函数是指示函数。在这种情况下，bin 大小等于 KDE 的带宽。
KDE 的带宽确实是一个规律性度量：带宽非常高的 KDE 有很大的偏差（他们说分布是均匀的），而带宽非常低的 KDE 有很大的方差（它们适应训练数据但不能很好地泛化）。由于 KDE 的带宽等于 bin 大小，我们可以说 bin 大小是一种规律性度量。