В примере sklearn синтезированные данные были взяты из взвешенной выборки двух гауссовских распределений со средним значением и стандартным значением [0,1]
и [5, 1]
, отвечающими за 30% и 70% выборок. соответственно. Предположим, что при использовании ядра gaussian
с bandwidth=1
мы получили следующий результат (результат оценки KDE соответствует данным поезда):
Возможно ли (математически и практически) восстановить характеристики оцененных ядер? например, в этом случае мы считываем значения [0,1]
и [5, 1]
из подобранной модели? (при условии, что процесс подгонки был произведен правильно)