Regression modelGIS / spatial
贝叶斯核密度估计
贝叶斯核密度估计（Bayesian Kernel Density Estimation, BKDE）是一种非参数方法，通过将核平滑器与带宽参数上的贝叶斯先验相结合，来估计空间或属性变量的概率密度函数。带宽的后验分布将不确定性传播到最终的密度估计中，而不是将带宽视为固定的调优常数。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- Hjort, N. L., & Glad, I. K. (1995). Nonparametric density estimation with a parametric start. The Annals of Statistics, 23(3), 882–904. DOI: 10.1214/aos/1176324627 ↗
- Kernel density estimation. Wikipedia. link ↗
如何引用本页
ScholarGate. (2026, June 3). Bayesian Kernel Density Estimation. ScholarGate. https://scholargate.app/zh/spatial-analysis/bayesian-kernel-density-estimation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 贝叶斯克里金法（基于模型的地质统计学）空间分析↔ compare
- Bayesian Spatial Regression空间分析↔ compare
- Getis-Ord Gi* 热点分析空间分析↔ compare
- 局部克里金（移动窗口克里金）空间分析↔ compare
- 空间自相关空间分析↔ compare