系统发育树密度估计的带宽选择
Research Paper#Phylogenetics, Density Estimation, Machine Learning🔬 Research|分析: 2026年1月3日 18:49•
发布: 2025年12月29日 13:01
•1分で読める
•ArXiv分析
本文解决了将核密度估计 (KDE) 应用于系统发育树的带宽选择问题。它提出了一种似然交叉验证 (LCV) 方法，用于在热带 KDE 中选择最佳带宽，热带 KDE 是一种使用特定距离度量用于树空间的 KDE 变体。本文的意义在于为系统发育树上的密度估计提供了一种理论上合理且计算效率高的方法，这对于分析进化关系至关重要。 LCV 的使用以及与现有方法（最近邻）的比较是关键贡献。
要点
引用 / 来源
查看原文"The paper demonstrates that the LCV method provides a better-fit bandwidth parameter for tropical KDE, leading to improved accuracy and computational efficiency compared to nearest neighbor methods, as shown through simulations and empirical data analysis."