KDEL (Kernel Density Estimation) © používá algoritmy Ball Tree nebo KD Tree pro efektivní dotazy a chodí po linii mezi studiem bez dozoru, inženýrstvím funkcí a modelováním dat.

Sousední přístupy, jako jsou KDE, jsou některé z nejoblíbenějších a nejužitečnějších technik odhadu hustoty. KDE lze provádět v libovolném počtu rozměrů, i když v praxi může vysoká dimenzionalita způsobit degradaci výkonu. Modelový uzel KDEName a uzel simulace KDEName v produktu watsonx.ai vystavují základní funkce a běžně používané parametry knihovny KDE. Uzly jsou implementovány v Python. ¹

Chcete-li použít uzel prostředí KDE, musíte nastavit uzel typu "opačným směrem". Uzel KDEF bude číst vstupní hodnoty z uzlu Typ (nebo z typů uzlu importu na předchozí úrovni).

Uzel Modelování KDEComment je k dispozici na paletě uzlů modelování. The KDE Modeling node generates a model nigget, and the nigget's scored values are kernel density values from the input data.

Uzel Simulace KDE je k dispozici na paletě uzlů výstupů. Uzel simulace KDEName generuje zdrojový uzel ve formátu KDE, který může vytvořit některé záznamy, které mají stejnou distribuci jako vstupní data. Ve vlastnostech uzlu prostředí KDEName můžete určit, kolik záznamů má uzel vytvořit (výchozí hodnota je 1) a generovat náhodné semeno.

Další informace o KDE, včetně příkladů, najdete v dokumentaci KDE. ¹

¹ "Uživatelská příručka." Odhad hustoty jádra. Web. © 2007-2018, scikit-learn developer.