This article compares the performance of parametric and nonparametric discrimination. The multivariate product polynomial kernels with data-driven choices of the bandwidth are used for density estimators and this nonparametric approach are compared with classical one by some simulated data. (en)
Příspěvek je zaměřen na srovnání klasických přístupů (jako je lineární a kvadratická diskriminace) s neparametrickým přístupem založeném na jádrových odhadech mnohorozměrných hustot. Porovnání obou přístupů je demonstrováno na simulovaných datech a hodnoceno procentem dobře klasifikovaných objektů.