Machine learning 基于移动窗口的核密度估计
我有一个数据流，我想根据它来估计内核密度或直方图。输入参数是窗口长度。例如60秒、5分钟或一个月。任何早于窗口大小的数据对估计的影响最小。但是，我无法存储实际的数据点。一旦一个新的数据样本到达，我想把它添加到估计器中并丢弃它。由于这是一个资源受限的环境（CPU+内存），因此该方法的空间和时间复杂度最好为O1 是否有现成的库已经完成了这项工作？ 我更喜欢围棋中的东西，但我会选择任何语言的实现 如果没有现有的实现，是否有我可以参考和实现的算法Machine learning 基于移动窗口的核密度估计,machine-learning,statistics,probability-density,Machine Learning,Statistics,Probability Density,我有一个数据流，我想根据它来估计内核密度或直方图。输入参数是窗口长度。例如60秒、5分钟或一个月。任何早于窗口大小的数据对估计的影响最小。但是，我无法存储实际的数据点。一旦一个新的数据样本到达，我想把它添加到估计器中并丢弃它。由于这是一个资源受限的环境（CPU+内存），因此该方法的空间和时间复杂度最好为O1 是否有现成的库已经完成了这项工作？ 我更喜欢围棋中的东西，但我会选择任何语言的实现 如果没有现有的实现，是否有我可以参考和实现的算法 在谷歌上搜索并没有给我任何直接的答案，我对机器学习和统计
在谷歌上搜索并没有给我任何直接的答案，我对机器学习和统计学还不熟悉几何衰减直方图就可以了 $$hi=hi*1-e^{-1/\tau}+e^{-1/\tau}\deltai-j$$ 其中，$j$是新观察值，$hi$是运行平均直方图，$\tau$是时间常数