Einführung
Die Kernel-Dichteschätzung (Kernel Density Estimation, KDE) ist eine nicht-parametrische Dichteschätzungsmethode. In diesem Lab werden wir lernen, wie man KDE verwendet, um neue Datensamples zu generieren. Wir werden die Bibliothek scikit-learn verwenden, um diese Methode umzusetzen.
Tipps für die virtuelle Maschine (VM)
Nachdem die VM gestartet ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.
Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund der Einschränkungen von Jupyter Notebook nicht automatisiert werden.
Wenn Sie während des Lernens Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.