| In C/C++, FIGTree is a library that can be used to compute kernel density estimates using normal kernels. | На языках С/С++ FIGTree является библиотекой, которая может быть использована для вычисления ядерной оценки плотности с помощью нормальных ядер. |
| In Minitab, the Royal Society of Chemistry has created a macro to run kernel density estimation based on their Analytical Methods Committee Technical Brief 4. | Для пакета Minitab компания «the Royal Society of Chemistry» создала макро для осуществления ядерной оценки плотности на основе их Analytical Methods Committee Technical Brief 4 (Техническая сводка 4 Комитета Аналитических методов). |
| The construction of a kernel density estimate finds interpretations in fields outside of density estimation. | Построение ядерной оценки плотности находит интерпретацию в областях за пределами оценки плотности. |
| In Nuklei, C++ kernel density methods focus on data from the Special Euclidean group S E (3) {\displaystyle SE(3)}. | В библиотеке Nuklei методы ядерной плотности на языке C++ фокусируются на дынных из специальной евклидовой группы S E (3) {\displaystyle SE(3)}. |
| Bayes linear statistics Regularized least squares Tikhonov regularization Spike and slab variable selection Bayesian interpretation of kernel regularization The intermediate steps of this computation can be found in O'Hagan (1994) at the beginning of the chapter on Linear models. | Байесовская линейная статистика Регуляризованная линейной регрессия Метод регуляризации Тихонова Выбор спайковой переменной Байесовская интерпретация ядерной регуляризации Промежуточные выкладки можно найти в книге O'Hagan (1994) в начале главы по линейным моделям. |
| To see this, we compare the construction of histogram and kernel density estimators, using these 6 data points: For the histogram, first the horizontal axis is divided into sub-intervals or bins which cover the range of the data. | Чтобы это увидеть, сравним построение гистограммы и ядерной оценки плотности на этих 6 точках: Для гистограммы горизонтальная ось разделена на подинтервалы, которые покрывают область данных. |
| If the bandwidth is not held fixed, but is varied depending upon the location of either the estimate (balloon estimator) or the samples (pointwise estimator), this produces a particularly powerful method termed adaptive or variable bandwidth kernel density estimation. | Если полоса пропускания не фиксирована и может меняться в зависимости от места либо величины оценки (balloon оценщик) или величины выборки (поточечный оценщик), получается мощный метод, называемый методом адаптивной ядерной оценки плотности. |
| For the kernel density estimate, we place a normal kernel with variance 2.25 (indicated by the red dashed lines) on each of the data points xi. | Для ядерной оценки плотности мы помещаем нормальное ядро с дисперсией 2,25 (показаны красными пунктирными линиями) для каждой точки данных xi. |
| Any linear model can be turned into a non-linear model by applying the kernel trick to the model: replacing its features (predictors) by a kernel function. | Любая линейная модель может быть переведена в нелинейную модель путём применения к модели ядерного трюка, заменив её признаки (предсказатели) ядерной функцией. |
| In JMP, The Distribution platform can be used to create univariate kernel density estimates, and the Fit Y by X platform can be used to create bivariate kernel density estimates. | В пакете JMP может быть использовано средство «Distribution platform» для создания одномерной ядерной оценки плотности, а «Fit Y by X platform» может быть использовано для создания двумерной ядерной оценки плотности. |
| In C++, libagf is a library for variable kernel density estimation. | На языке С++ libagf является библиотекой для адаптивной ядерной оценки плотности. |
| For example, a typical soft-margin SVM classifier equipped with an RBF kernel has at least two hyperparameters that need to be tuned for good performance on unseen data: a regularization constant C and a kernel hyperparameter γ. | Например, типичный классификатор с мягким зазором на основе метода опорных векторов (МОВ), оснащённый ядерной радиально-базисной функцией имеет по меньшей мере два гиперпараметра, которые необходимо настроить для хорошей производительности на недоступных данных - константа С регуляризации и гиперпараметр ядра γ. |