我正在尝试实现一个核密度估计。然而，我的代码并未给出应有的答案。代码是用Julia编写的，但应该可以自解释。
这是算法：
其中
因此，算法测试x与观测值X_i之间的距离是否小于1，该距离由某个常数因子（分箱宽度）加权。如果是，则为该值分配0.5 / (n * h)，其中n为观测值的数量。
这是我的实现：
#Kernel density function.#Purpose: estimate the probability density function (pdf)#of given observations#@param data: observations for which the pdf should be estimated#@return: returns an array with the estimated densities function kernelDensity(data)| | #Uniform kernel function. | #@param x: Current x value| #@param X_i: x value of observation i| #@param width: binwidth| #@return: Returns 1 if the absolute distance from| #x(current) to x(observation) weighted by the binwidth| #is less then 1. Else it returns 0.| | function uniformKernel(x, observation, width)| | u = ( x - observation ) / width| | abs ( u ) <= 1 ? 1 : 0| end|| #number of observations in the data set | n = length(data)|| #binwidth (set arbitraily to 0.1| h = 0.1 | | #vector that stored the pdf| res = zeros( Real, n )| | #counter variable for the loop | counter = 0|| #lower and upper limit of the x axis| start = floor(minimum(data))| stop = ceil (maximum(data))|| #main loop| #@linspace: divides the space from start to stop in n| #equally spaced intervalls| for x in linspace(start, stop, n) | | counter += 1| | for observation in data| | || | | #count all observations for which the kernel| | | #returns 1 and mult by 0.5 because the| | | #kernel computed the absolute difference which can be| | | #either positive or negative| | | res[counter] += 0.5 * uniformKernel(x, observation, h)| | end| | #devide by n times h| | res[counter] /= n * h| end| #return results| resend#run function#@rand: generates 10 uniform random numbers between 0 and 1kernelDensity(rand(10))返回的结果是：
> 0.0> 1.5> 2.5> 1.0> 1.5> 1.0> 0.0> 0.5> 0.5> 0.0这些值的总和为：8.5（累积分布函数。应该为1。）
因此，有两个错误：
- 数值未正确缩放。每个数字应为当前值的大约十分之一。实际上，如果观测值的数量增加10^n（n = 1, 2, …），则累积分布函数也会增加10^n
例如：
> kernelDensity(rand(1000))> 953.53 - 它们加起来不是10（如果没有缩放错误的话，应该是1）。随着样本量的增加，错误变得更加明显：大约有5%的观测值未被包括在内。
我认为我是一比一地实现了公式，因此我真的不明白错误出在哪里。
回答：
我不是KDE的专家，所以请谨慎对待这些建议，但一个非常相似的（但速度更快！）代码实现将是：
function kernelDensity{T<:AbstractFloat}(data::Vector{T}, h::T) res = similar(data) lb = minimum(data); ub = maximum(data) for (i,x) in enumerate(linspace(lb, ub, size(data,1))) for obs in data res[i] += abs((obs-x)/h) <= 1. ? 0.5 : 0. end res[i] /= (n*h) end sum(res)end如果我没记错的话，密度估计应该积分为1，也就是说我们期望kernelDensity(rand(100), 0.1)/100至少接近1。在上面的实现中，我达到了这个目标，误差在5%以内，但我们不知道0.1是否是最佳带宽（使用h=0.135我达到了0.1%以内的误差），而且已知均匀核的“效率”只有约93%。
无论如何，Julia中有一个非常好的核密度包，可以在这里找到这里，所以你可能应该直接使用Pkg.add("KernelDensity")，而不是尝试自己编写Epanechnikov核 🙂
