🕷️ Crawler Inspector

URL Lookup

Direct Parameter Lookup

Raw Queries and Responses

1. Shard Calculation

Query:

Response:

Calculated Shard: 28 (from laksa094)

2. Crawled Status Check

Query:

curl -X POST \
  'http://laksa028.int.ahrefs:8124/' \
  -H 'Content-Type: text/plain' \
  -H 'X-ClickHouse-Database: crawler3' \
  -H 'Authorization: Basic YXBpOg==' \
  -d 'SELECT getAhrefsURLFromUnparsed(src_unparsed) AS found_url, ifNull(toUnixTimestamp(download_stamp), 0) AS crawl_time, ifNull(toUnixTimestamp(props_url_first_seen), 0) AS first_indexed_time, download_http_code AS http_code, src_unparsed AS src_unparsed, src_root_hash AS src_root_hash, history_drop_reason AS history_drop_reason, meta_title AS meta_title, meta_descriptions AS meta_descriptions, attrs_boilerpipe_text AS attrs_boilerpipe_text, attrs_markdown AS attrs_markdown, attrs_readable_markdown AS attrs_readable_markdown, meta_canonical AS meta_canonical FROM crawler3.page_info_local FINAL PREWHERE (src_root_hash, src_unparsed) IN ((getAhrefsRootHashFromUnparsed(getAhrefsUnparsedNoserviceFromURL(\'https://labex.io/es/tutorials/ml-density-estimation-using-kernel-density-71121\')), getAhrefsUnparsedNoserviceFromURL(\'https://labex.io/es/tutorials/ml-density-estimation-using-kernel-density-71121\'))) FORMAT JSONEachRow'

Response:

{"found_url":"https:\/\/labex.io\/es\/tutorials\/ml-density-estimation-using-kernel-density-71121","crawl_time":1755197925,"first_indexed_time":1740646815,"http_code":200,"src_unparsed":"io,labex!\/es\/tutorials\/ml-density-estimation-using-kernel-density-71121 s443","src_root_hash":"1963243295958744828","history_drop_reason":"tooold","meta_title":"Estimación de densidad | Estimación de densidad con núcleo | Tutorial de Python | LabEx","meta_descriptions":["Explore las técnicas de estimación de densidad utilizando Python, centrándose en la estimación de densidad con núcleo para estimar la función de densidad de probabilidad de una variable aleatoria."],"attrs_boilerpipe_text":"Introducción En este laboratorio, exploraremos la estimación de densidad, que es una técnica utilizada para estimar la función de densidad de probabilidad de una variable aleatoria. En particular, nos centraremos en la estimación de densidad con núcleo, que es un método no paramétrico para estimar la densidad. Consejos sobre la VM Una vez finalizada la inicialización de la VM, haga clic en la esquina superior izquierda para cambiar a la pestaña  Cuaderno  y acceder a Jupyter Notebook para practicar. A veces, es posible que tenga que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook. Si tiene problemas durante el aprendizaje, no dude en preguntar a Labby. Deje su retroalimentación después de la sesión y resolveremos el problema para usted de inmediato.","attrs_markdown":"[![LabEx](https:\/\/labex.io\/_ipx\/s_98x30\/labex-logo-dark.svg)](https:\/\/labex.io\/es)\n\n- [Aprender](https:\/\/labex.io\/es\/learn \"Learn\")\n- [Proyectos](https:\/\/labex.io\/es\/projects \"Projects\")\n- [Precios](https:\/\/labex.io\/es\/pricing \"Pricing\")\n\n[Iniciar Sesión](https:\/\/labex.io\/es\/login)[Únete Gratis](https:\/\/labex.io\/es\/register)\n\n1. [Aprender](https:\/\/labex.io\/es)\n2. [Tutoriales](https:\/\/labex.io\/es\/tutorials)\n3. [Machine Learning](https:\/\/labex.io\/es\/tutorials\/category\/ml)\n# Estimación de densidad utilizando densidad con núcleo\n[![Machine Learning](https:\/\/file.labex.io\/path\/1kXLbMH5geSl.png)Machine Learning](https:\/\/labex.io\/learn\/ml)\n\nBeginner\n\n![Estimación de densidad utilizando densidad con núcleo](https:\/\/icons.labex.io\/density-estimation-using-kernel-density.png)\n\nEstimación de densidad utilizando densidad con núcleo\n\n[Practicar Ahora](https:\/\/labex.io\/es\/labs\/ml-density-estimation-using-kernel-density-71121)\n\nThis tutorial is from open-source community. Access the source code\n\n💡 Este tutorial está traducido por IA desde la versión en inglés. Para ver la versión original, puedes [hacer clic aquí](https:\/\/labex.io\/tutorials\/ml-density-estimation-using-kernel-density-71121)\n\nContenido\n\n- [Introducción](https:\/\/labex.io\/es\/tutorials\/ml-density-estimation-using-kernel-density-71121#introducci%C3%B3n)\n- [Importar las bibliotecas necesarias](https:\/\/labex.io\/es\/tutorials\/ml-density-estimation-using-kernel-density-71121#importar-las-bibliotecas-necesarias)\n- [Generar algunos datos de muestra](https:\/\/labex.io\/es\/tutorials\/ml-density-estimation-using-kernel-density-71121#generar-algunos-datos-de-muestra)\n- [Ajustar un estimador de densidad con núcleo](https:\/\/labex.io\/es\/tutorials\/ml-density-estimation-using-kernel-density-71121#ajustar-un-estimador-de-densidad-con-n%C3%BAcleo)\n- [Calificar las muestras](https:\/\/labex.io\/es\/tutorials\/ml-density-estimation-using-kernel-density-71121#calificar-las-muestras)\n- [Visualizar la estimación de densidad](https:\/\/labex.io\/es\/tutorials\/ml-density-estimation-using-kernel-density-71121#visualizar-la-estimaci%C3%B3n-de-densidad)\n- [Resumen](https:\/\/labex.io\/es\/tutorials\/ml-density-estimation-using-kernel-density-71121#resumen)\n\n[![Default VM Cover](https:\/\/labex.io\/_ipx\/_\/images\/lab\/env-desktop.png)](https:\/\/labex.io\/es\/labs\/ml-density-estimation-using-kernel-density-71121)\n\n[Practicar Ahora](https:\/\/labex.io\/es\/labs\/ml-density-estimation-using-kernel-density-71121)\n\n## Introducción\nEn este laboratorio, exploraremos la estimación de densidad, que es una técnica utilizada para estimar la función de densidad de probabilidad de una variable aleatoria. En particular, nos centraremos en la estimación de densidad con núcleo, que es un método no paramétrico para estimar la densidad.\n\n### Consejos sobre la VM\nUna vez finalizada la inicialización de la VM, haga clic en la esquina superior izquierda para cambiar a la pestaña **Cuaderno** y acceder a Jupyter Notebook para practicar.\n\nA veces, es posible que tenga que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook.\n\nSi tiene problemas durante el aprendizaje, no dude en preguntar a Labby. Deje su retroalimentación después de la sesión y resolveremos el problema para usted de inmediato.\n\n## Importar las bibliotecas necesarias\nPrimero, necesitamos importar las bibliotecas que usaremos para la estimación de densidad. Usaremos el estimador `KernelDensity` del módulo `sklearn.neighbors`, y la biblioteca `numpy` para la manipulación de datos.\n```\nfrom sklearn.neighbors import KernelDensity\nimport numpy as np\n```\n\n## Generar algunos datos de muestra\nA continuación, generaremos algunos datos de muestra para realizar la estimación de densidad. Con el fin de este laboratorio, generemos un conjunto de datos unidimensional con 100 puntos. Usaremos una distribución normal para generar los datos.\n```\nnp.random.seed(0)\nX = np.random.normal(0, 1, 100).reshape(-1, 1)\n```\n\n## Ajustar un estimador de densidad con núcleo\nAhora, crearemos una instancia del estimador `KernelDensity` y la ajustaremos a nuestros datos. Podemos elegir el tipo de núcleo y el ancho de banda para el estimador. Por ejemplo, podemos usar un núcleo gaussiano y establecer el ancho de banda en 0,2.\n```\nkde = KernelDensity(kernel='gaussian', bandwidth=0.2).fit(X)\n```\n\n## Calificar las muestras\nDespués de ajustar el estimador, podemos usar el método `score_samples` para calcular la log-verosimilitud de las muestras bajo la función de densidad estimada. Esto nos dará una medida de qué tan probable es cada muestra de acuerdo con la estimación de densidad.\n```\nscores = kde.score_samples(X)\n```\n\n## Visualizar la estimación de densidad\nFinalmente, podemos visualizar la estimación de densidad usando un histograma y la función de densidad estimada. Podemos trazar el histograma de los datos originales así como la función de densidad estimada.\n```\nimport matplotlib.pyplot as plt\n\nbins = np.linspace(-5, 5, 50)\nplt.hist(X, bins=bins, density=True, alpha=0.5, label='Histogram')\nplt.plot(X, np.exp(scores), color='red', label='Kernel Density Estimate')\nplt.legend()\nplt.show()\n```\n\n## Resumen\nEn este laboratorio, aprendimos cómo realizar la estimación de densidad con núcleo utilizando el estimador `KernelDensity` de scikit-learn. La estimación de densidad con núcleo es una técnica poderosa para estimar la función de densidad de probabilidad de una variable aleatoria. Al ajustar un estimador de densidad con núcleo a un conjunto de datos, podemos estimar la densidad subyacente y visualizarla utilizando un histograma y la función de densidad estimada. Esto nos permite obtener información sobre la distribución de los datos y hacer predicciones probabilísticas.\n\ncompartir\n\ntemas\n\n[Linux](https:\/\/labex.io\/es\/tutorials\/category\/linux)[DevOps](https:\/\/labex.io\/es\/tutorials\/category\/devops)[Ciberseguridad](https:\/\/labex.io\/es\/tutorials\/category\/cybersecurity)[Base de datos](https:\/\/labex.io\/es\/tutorials\/category\/database)[Python](https:\/\/labex.io\/es\/tutorials\/category\/python)[Docker](https:\/\/labex.io\/es\/tutorials\/category\/docker)[Kubernetes](https:\/\/labex.io\/es\/tutorials\/category\/kubernetes)[Red Hat Enterprise Linux](https:\/\/labex.io\/es\/tutorials\/category\/rhel)[Git](https:\/\/labex.io\/es\/tutorials\/category\/git)[CompTIA](https:\/\/labex.io\/es\/tutorials\/category\/comptia)[Shell](https:\/\/labex.io\/es\/tutorials\/category\/shell)[Nmap](https:\/\/labex.io\/es\/tutorials\/category\/nmap)[Wireshark](https:\/\/labex.io\/es\/tutorials\/category\/wireshark)[Hydra](https:\/\/labex.io\/es\/tutorials\/category\/hydra)[Java](https:\/\/labex.io\/es\/tutorials\/category\/java)[SQLite](https:\/\/labex.io\/es\/tutorials\/category\/sqlite)[PostgreSQL](https:\/\/labex.io\/es\/tutorials\/category\/postgresql)[MySQL](https:\/\/labex.io\/es\/tutorials\/category\/mysql)[Redis](https:\/\/labex.io\/es\/tutorials\/category\/redis)[MongoDB](https:\/\/labex.io\/es\/tutorials\/category\/mongodb)[Golang](https:\/\/labex.io\/es\/tutorials\/category\/go)[C++](https:\/\/labex.io\/es\/tutorials\/category\/cpp)[C](https:\/\/labex.io\/es\/tutorials\/category\/c)[Ansible](https:\/\/labex.io\/es\/tutorials\/category\/ansible)[Ciencia de datos](https:\/\/labex.io\/es\/tutorials\/category\/datascience)[Pandas](https:\/\/labex.io\/es\/tutorials\/category\/pandas)[NumPy](https:\/\/labex.io\/es\/tutorials\/category\/numpy)[scikit-learn](https:\/\/labex.io\/es\/tutorials\/category\/sklearn)[Matplotlib](https:\/\/labex.io\/es\/tutorials\/category\/matplotlib)[Desarrollo web](https:\/\/labex.io\/es\/tutorials\/category\/webdev)[Alibaba Cloud](https:\/\/labex.io\/es\/tutorials\/category\/alibaba)[HTML](https:\/\/labex.io\/es\/tutorials\/category\/html)[CSS](https:\/\/labex.io\/es\/tutorials\/category\/css)[JavaScript](https:\/\/labex.io\/es\/tutorials\/category\/javascript)[React](https:\/\/labex.io\/es\/tutorials\/category\/react)[Kali Linux](https:\/\/labex.io\/es\/tutorials\/category\/kali)\n\nReseñas de Usuarios\n\n> \" Excellent comme plateforme de formation\"\n\n— Noguès KOUAKOU\n\n> \" ludique et motivant pour la suite \"\n\n— David Giardina\n\n[Ver Más Reseñas](https:\/\/labex.io\/es\/pricing#reviews)\n\nRelacionado [Machine Learning Cursos](https:\/\/labex.io\/learn\/ml)\n\n[![Inicio rápido con Python](https:\/\/cover-creator.labex.io\/quick-start-with-python.png?lang=es) Inicio rápido con Python LinuxPython Principiante](https:\/\/labex.io\/es\/courses\/quick-start-with-python)\n\n[![Aprendizaje Supervisado: Regresión](https:\/\/cover-creator.labex.io\/supervised-learning-regression.png?lang=es) Aprendizaje Supervisado: Regresión scikit-learnMachine Learning Intermedio](https:\/\/labex.io\/es\/courses\/supervised-learning-regression)\n\n[![Aprendizaje Supervisado: Clasificación](https:\/\/cover-creator.labex.io\/supervised-learning-classification.png?lang=es) Aprendizaje Supervisado: Clasificación scikit-learnMachine Learning Intermedio](https:\/\/labex.io\/es\/courses\/supervised-learning-classification)\n\n[![LabEx](https:\/\/labex.io\/_ipx\/s_196x60\/labex-logo-light.svg)](https:\/\/labex.io\/es\/tutorials\/ml-density-estimation-using-kernel-density-71121)\n\n🇪🇸 Español\n\nAprende Linux, DevOps y Ciberseguridad con Laboratorios Prácticos\n\nCURSOS PRÁCTICOS\n\n[Aprender Linux](https:\/\/labex.io\/es\/learn\/linux)\n\n[Aprender Python](https:\/\/labex.io\/es\/learn\/python)\n\n[Aprender Ciberseguridad](https:\/\/labex.io\/es\/learn\/cybersecurity)\n\n[Aprender Docker](https:\/\/labex.io\/es\/learn\/docker)\n\n[Aprender CompTIA](https:\/\/labex.io\/es\/learn\/comptia)\n\n[Aprender Java](https:\/\/labex.io\/es\/learn\/java)\n\n[Aprender Ciencia de Datos](https:\/\/labex.io\/es\/learn\/data-science)\n\n[Aprender Git](https:\/\/labex.io\/es\/learn\/git)\n\n[Aprender Kubernetes](https:\/\/labex.io\/es\/learn\/kubernetes)\n\n[Aprender Kali Linux](https:\/\/labex.io\/es\/learn\/kali)\n\n[Aprender Ansible](https:\/\/labex.io\/es\/learn\/ansible)\n\n[Aprender DevOps](https:\/\/labex.io\/es\/learn\/devops)\n\n[Aprender Machine Learning](https:\/\/labex.io\/es\/learn\/ml)\n\n[Examen de Práctica RHCSA](https:\/\/labex.io\/es\/courses\/rhcsa-certification-exam-practice-exercises)\n\n[CompTIA Linux+](https:\/\/labex.io\/es\/courses\/comptia-linux-plus-training-labs)\n\n[Ejercicios de Python](https:\/\/labex.io\/es\/exercises\/python)\n\n[Hoja de Comandos de Linux](https:\/\/linux-commands.labex.io\/)\n\nLABORATORIOS DE PRÁCTICA\n\n[Proyectos Linux](https:\/\/labex.io\/es\/projects\/category\/linux)\n\n[Proyectos Python](https:\/\/labex.io\/es\/projects\/category\/python)\n\n[Proyectos Java](https:\/\/labex.io\/es\/projects\/category\/java)\n\n[Proyectos en Lenguaje C](https:\/\/labex.io\/es\/projects\/category\/c)\n\n[Proyectos DevOps](https:\/\/labex.io\/es\/projects\/category\/devops)\n\n[Proyectos Golang](https:\/\/labex.io\/es\/projects\/category\/go)\n\n[Práctica de Git](https:\/\/labex.io\/es\/free-labs\/git)\n\n[Práctica de Shell](https:\/\/labex.io\/es\/free-labs\/shell)\n\n[Práctica de Java](https:\/\/labex.io\/es\/free-labs\/java)\n\n[Práctica de Docker](https:\/\/labex.io\/es\/free-labs\/docker)\n\n[Práctica de MySQL](https:\/\/labex.io\/es\/free-labs\/mysql)\n\n[Práctica de MongoDB](https:\/\/labex.io\/es\/free-labs\/mongodb)\n\n[Práctica de Kubernetes](https:\/\/labex.io\/es\/free-labs\/kubernetes)\n\n[Práctica de Machine Learning](https:\/\/labex.io\/es\/free-labs\/ml)\n\n[Práctica de Ciberseguridad](https:\/\/labex.io\/es\/free-labs\/cybersecurity)\n\n[Práctica de Nmap](https:\/\/labex.io\/es\/free-labs\/nmap)\n\n[Práctica de Wireshark](https:\/\/labex.io\/es\/free-labs\/wireshark)\n\nENTORNOS DE PRÁCTICA\n\n[Terminal Linux Online](https:\/\/labex.io\/es\/tutorials\/linux-online-linux-playground-372915)\n\n[Entorno Docker](https:\/\/labex.io\/es\/tutorials\/docker-online-docker-playground-372912)\n\n[Entorno Python](https:\/\/labex.io\/es\/tutorials\/python-online-python-playground-372886)\n\n[Entorno Golang](https:\/\/labex.io\/es\/tutorials\/go-online-golang-playground-372913)\n\n[Compilador C++ Online](https:\/\/labex.io\/es\/tutorials\/cpp-online-c-playground-372911)\n\n[Entorno Ansible](https:\/\/labex.io\/es\/tutorials\/ansible-online-ansible-playground-415831)\n\n[Entorno Jenkins](https:\/\/labex.io\/es\/tutorials\/jenkins-online-jenkins-playground-415838)\n\n[Entorno Kubernetes](https:\/\/labex.io\/es\/tutorials\/kubernetes-online-kubernetes-cluster-593609)\n\n[Entorno Java](https:\/\/labex.io\/es\/tutorials\/java-online-java-playground-372914)\n\n[Entorno Rust](https:\/\/labex.io\/es\/tutorials\/rust-online-rust-playground-372918)\n\n[Kali Linux Online](https:\/\/labex.io\/es\/tutorials\/kali-online-kali-linux-terminal-and-playground-592935)\n\n[Nmap Online](https:\/\/labex.io\/es\/tutorials\/nmap-online-nmap-playground-593613)\n\n[Wireshark Online](https:\/\/labex.io\/es\/tutorials\/wireshark-online-wireshark-playground-593624)\n\n[MySQL Online](https:\/\/labex.io\/es\/tutorials\/mysql-online-mysql-playground-372916)\n\n[PostgreSQL Online](https:\/\/labex.io\/es\/tutorials\/kali-online-postgresql-database-playground-593616)\n\n[Simulador de Examen RHCSA](https:\/\/labex.io\/es\/tutorials\/rhel-online-rhel-terminal-rhcsa-and-rhce-exam-playground-592933)\n\n[Máquinas Virtuales Online](https:\/\/labex.io\/es\/tutorials\/linux-online-virtual-machines-and-playgrounds-593595)\n\nTUTORIALES\n\n[Tutorial de Linux](https:\/\/labex.io\/es\/tutorials\/category\/linux)\n\n[Tutorial de Docker](https:\/\/labex.io\/es\/tutorials\/category\/docker)\n\n[Tutorial de Kubernetes](https:\/\/labex.io\/es\/tutorials\/category\/kubernetes)\n\n[Tutorial de MongoDB](https:\/\/labex.io\/es\/tutorials\/category\/mongodb)\n\n[Tutorial de PostgreSQL](https:\/\/labex.io\/es\/tutorials\/category\/postgresql)\n\n[Tutorial de Wireshark](https:\/\/labex.io\/es\/tutorials\/category\/wireshark)\n\n[Tutorial de DevOps](https:\/\/labex.io\/es\/tutorials\/category\/devops)\n\n[Tutorial de Ciberseguridad](https:\/\/labex.io\/es\/tutorials\/category\/cybersecurity)\n\n[Preguntas de Entrevista de Java](https:\/\/labex.io\/es\/tutorials\/java-java-interview-questions-and-answers-593685)\n\n[Preguntas de Entrevista de Python](https:\/\/labex.io\/es\/tutorials\/python-python-interview-questions-and-answers-593698)\n\n[Preguntas de Entrevista de Kubernetes](https:\/\/labex.io\/es\/tutorials\/kubernetes-kubernetes-interview-questions-and-answers-593688)\n\n[Preguntas de Entrevista de DevOps](https:\/\/labex.io\/es\/tutorials\/linux-devops-interview-questions-and-answers-593679)\n\n[Preguntas de Entrevista de Ciberseguridad](https:\/\/labex.io\/es\/tutorials\/cybersecurity-cybersecurity-interview-questions-and-answers-593676)\n\n[Preguntas de Entrevista de Docker](https:\/\/labex.io\/es\/tutorials\/docker-docker-interview-questions-and-answers-593680)\n\n[Preguntas de Entrevista de Linux](https:\/\/labex.io\/es\/tutorials\/linux-linux-interview-questions-and-answers-593689)\n\n[Preguntas de Entrevista de MongoDB](https:\/\/labex.io\/es\/tutorials\/mongodb-mongodb-interview-questions-and-answers-593692)\n\n[Preguntas de Entrevista de Bases de Datos](https:\/\/labex.io\/es\/tutorials\/linux-database-interview-questions-and-answers-593677)\n\n[SOPORTE](https:\/\/support.labex.io\/)\\|[CONTACTO](https:\/\/labex.io\/cdn-cgi\/l\/email-protection#1d74737b725d717c7f7865337472)\\|[FORO](https:\/\/labex.io\/es\/forum)\\|[TUTORIALES](https:\/\/labex.io\/es\/tutorials)\\|[LABORATORIOS GRATUITOS](https:\/\/labex.io\/es\/free-labs)\\|[PREGUNTAS DE ENTREVISTA](https:\/\/labex.io\/es\/tutorials\/linux-technical-interview-questions-and-answers-593708)\\|[EJERCICIOS](https:\/\/labex.io\/es\/exercises)\\|[LABEX TEAMS](https:\/\/labex.io\/es\/teams)\\|[AFILIADOS](https:\/\/labex.io\/es\/questions\/labex-affiliate-program-a6jov663)\\|[MAPA DEL SITIO](https:\/\/sitemap.labex.io\/)\\|[POLÍTICA DE PRIVACIDAD](https:\/\/labex.io\/es\/privacy)\\|[TÉRMINOS DE SERVICIO](https:\/\/labex.io\/es\/terms)\n\n© 2017-2025 LabEx Technology Limited All Rights Reserved","attrs_readable_markdown":null,"meta_canonical":null}

3. Robots.txt Check

Query:

Response:

4. Spam/Ban Check

Query:

Response:

5. Seen Status Check

ℹ️ Skipped - page is already crawled

🚫

NOT INDEXABLE

✅

CRAWLED

7 months ago

🤖

ROBOTS ALLOWED

Page Info Filters

Filter	Status	Condition	Details
HTTP status	PASS	`download_http_code = 200`	HTTP 200
Age cutoff	FAIL	`download_stamp > now() - 6 MONTH`	7.9 months ago
History drop	FAIL	`isNull(history_drop_reason)`	tooold
Spam/ban	PASS	`fh_dont_index != 1 AND ml_spam_score = 0`	ml_spam_score=0
Canonical	PASS	`meta_canonical IS NULL OR = '' OR = src_unparsed`	Not set

Page Details

Property	Value
URL	https://labex.io/es/tutorials/ml-density-estimation-using-kernel-density-71121
Last Crawled	2025-08-14 18:58:45 (7 months ago)
First Indexed	2025-02-27 09:00:15 (1 year ago)
HTTP Status Code	200
Meta Title	Estimación de densidad \| Estimación de densidad con núcleo \| Tutorial de Python \| LabEx
Meta Description	Explore las técnicas de estimación de densidad utilizando Python, centrándose en la estimación de densidad con núcleo para estimar la función de densidad de probabilidad de una variable aleatoria.
Meta Canonical	null
Boilerpipe Text	Introducción En este laboratorio, exploraremos la estimación de densidad, que es una técnica utilizada para estimar la función de densidad de probabilidad de una variable aleatoria. En particular, nos centraremos en la estimación de densidad con núcleo, que es un método no paramétrico para estimar la densidad. Consejos sobre la VM Una vez finalizada la inicialización de la VM, haga clic en la esquina superior izquierda para cambiar a la pestaña Cuaderno y acceder a Jupyter Notebook para practicar. A veces, es posible que tenga que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook. Si tiene problemas durante el aprendizaje, no dude en preguntar a Labby. Deje su retroalimentación después de la sesión y resolveremos el problema para usted de inmediato.
Markdown	[![LabEx](https://labex.io/_ipx/s_98x30/labex-logo-dark.svg)](https://labex.io/es) - [Aprender](https://labex.io/es/learn "Learn") - [Proyectos](https://labex.io/es/projects "Projects") - [Precios](https://labex.io/es/pricing "Pricing") [Iniciar Sesión](https://labex.io/es/login)[Únete Gratis](https://labex.io/es/register) 1. [Aprender](https://labex.io/es) 2. [Tutoriales](https://labex.io/es/tutorials) 3. [Machine Learning](https://labex.io/es/tutorials/category/ml) # Estimación de densidad utilizando densidad con núcleo [![Machine Learning](https://file.labex.io/path/1kXLbMH5geSl.png)Machine Learning](https://labex.io/learn/ml) Beginner ![Estimación de densidad utilizando densidad con núcleo](https://icons.labex.io/density-estimation-using-kernel-density.png) Estimación de densidad utilizando densidad con núcleo [Practicar Ahora](https://labex.io/es/labs/ml-density-estimation-using-kernel-density-71121) This tutorial is from open-source community. Access the source code 💡 Este tutorial está traducido por IA desde la versión en inglés. Para ver la versión original, puedes [hacer clic aquí](https://labex.io/tutorials/ml-density-estimation-using-kernel-density-71121) Contenido - [Introducción](https://labex.io/es/tutorials/ml-density-estimation-using-kernel-density-71121#introducci%C3%B3n) - [Importar las bibliotecas necesarias](https://labex.io/es/tutorials/ml-density-estimation-using-kernel-density-71121#importar-las-bibliotecas-necesarias) - [Generar algunos datos de muestra](https://labex.io/es/tutorials/ml-density-estimation-using-kernel-density-71121#generar-algunos-datos-de-muestra) - [Ajustar un estimador de densidad con núcleo](https://labex.io/es/tutorials/ml-density-estimation-using-kernel-density-71121#ajustar-un-estimador-de-densidad-con-n%C3%BAcleo) - [Calificar las muestras](https://labex.io/es/tutorials/ml-density-estimation-using-kernel-density-71121#calificar-las-muestras) - [Visualizar la estimación de densidad](https://labex.io/es/tutorials/ml-density-estimation-using-kernel-density-71121#visualizar-la-estimaci%C3%B3n-de-densidad) - [Resumen](https://labex.io/es/tutorials/ml-density-estimation-using-kernel-density-71121#resumen) [![Default VM Cover](https://labex.io/_ipx/_/images/lab/env-desktop.png)](https://labex.io/es/labs/ml-density-estimation-using-kernel-density-71121) [Practicar Ahora](https://labex.io/es/labs/ml-density-estimation-using-kernel-density-71121) ## Introducción En este laboratorio, exploraremos la estimación de densidad, que es una técnica utilizada para estimar la función de densidad de probabilidad de una variable aleatoria. En particular, nos centraremos en la estimación de densidad con núcleo, que es un método no paramétrico para estimar la densidad. ### Consejos sobre la VM Una vez finalizada la inicialización de la VM, haga clic en la esquina superior izquierda para cambiar a la pestaña Cuaderno y acceder a Jupyter Notebook para practicar. A veces, es posible que tenga que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook. Si tiene problemas durante el aprendizaje, no dude en preguntar a Labby. Deje su retroalimentación después de la sesión y resolveremos el problema para usted de inmediato. ## Importar las bibliotecas necesarias Primero, necesitamos importar las bibliotecas que usaremos para la estimación de densidad. Usaremos el estimador `KernelDensity` del módulo `sklearn.neighbors`, y la biblioteca `numpy` para la manipulación de datos. ``` from sklearn.neighbors import KernelDensity import numpy as np ``` ## Generar algunos datos de muestra A continuación, generaremos algunos datos de muestra para realizar la estimación de densidad. Con el fin de este laboratorio, generemos un conjunto de datos unidimensional con 100 puntos. Usaremos una distribución normal para generar los datos. ``` np.random.seed(0) X = np.random.normal(0, 1, 100).reshape(-1, 1) ``` ## Ajustar un estimador de densidad con núcleo Ahora, crearemos una instancia del estimador `KernelDensity` y la ajustaremos a nuestros datos. Podemos elegir el tipo de núcleo y el ancho de banda para el estimador. Por ejemplo, podemos usar un núcleo gaussiano y establecer el ancho de banda en 0,2. ``` kde = KernelDensity(kernel='gaussian', bandwidth=0.2).fit(X) ``` ## Calificar las muestras Después de ajustar el estimador, podemos usar el método `score_samples` para calcular la log-verosimilitud de las muestras bajo la función de densidad estimada. Esto nos dará una medida de qué tan probable es cada muestra de acuerdo con la estimación de densidad. ``` scores = kde.score_samples(X) ``` ## Visualizar la estimación de densidad Finalmente, podemos visualizar la estimación de densidad usando un histograma y la función de densidad estimada. Podemos trazar el histograma de los datos originales así como la función de densidad estimada. ``` import matplotlib.pyplot as plt bins = np.linspace(-5, 5, 50) plt.hist(X, bins=bins, density=True, alpha=0.5, label='Histogram') plt.plot(X, np.exp(scores), color='red', label='Kernel Density Estimate') plt.legend() plt.show() ``` ## Resumen En este laboratorio, aprendimos cómo realizar la estimación de densidad con núcleo utilizando el estimador `KernelDensity` de scikit-learn. La estimación de densidad con núcleo es una técnica poderosa para estimar la función de densidad de probabilidad de una variable aleatoria. Al ajustar un estimador de densidad con núcleo a un conjunto de datos, podemos estimar la densidad subyacente y visualizarla utilizando un histograma y la función de densidad estimada. Esto nos permite obtener información sobre la distribución de los datos y hacer predicciones probabilísticas. compartir temas [Linux](https://labex.io/es/tutorials/category/linux)[DevOps](https://labex.io/es/tutorials/category/devops)[Ciberseguridad](https://labex.io/es/tutorials/category/cybersecurity)[Base de datos](https://labex.io/es/tutorials/category/database)[Python](https://labex.io/es/tutorials/category/python)[Docker](https://labex.io/es/tutorials/category/docker)[Kubernetes](https://labex.io/es/tutorials/category/kubernetes)[Red Hat Enterprise Linux](https://labex.io/es/tutorials/category/rhel)[Git](https://labex.io/es/tutorials/category/git)[CompTIA](https://labex.io/es/tutorials/category/comptia)[Shell](https://labex.io/es/tutorials/category/shell)[Nmap](https://labex.io/es/tutorials/category/nmap)[Wireshark](https://labex.io/es/tutorials/category/wireshark)[Hydra](https://labex.io/es/tutorials/category/hydra)[Java](https://labex.io/es/tutorials/category/java)[SQLite](https://labex.io/es/tutorials/category/sqlite)[PostgreSQL](https://labex.io/es/tutorials/category/postgresql)[MySQL](https://labex.io/es/tutorials/category/mysql)[Redis](https://labex.io/es/tutorials/category/redis)[MongoDB](https://labex.io/es/tutorials/category/mongodb)[Golang](https://labex.io/es/tutorials/category/go)[C++](https://labex.io/es/tutorials/category/cpp)[C](https://labex.io/es/tutorials/category/c)[Ansible](https://labex.io/es/tutorials/category/ansible)[Ciencia de datos](https://labex.io/es/tutorials/category/datascience)[Pandas](https://labex.io/es/tutorials/category/pandas)[NumPy](https://labex.io/es/tutorials/category/numpy)[scikit-learn](https://labex.io/es/tutorials/category/sklearn)[Matplotlib](https://labex.io/es/tutorials/category/matplotlib)[Desarrollo web](https://labex.io/es/tutorials/category/webdev)[Alibaba Cloud](https://labex.io/es/tutorials/category/alibaba)[HTML](https://labex.io/es/tutorials/category/html)[CSS](https://labex.io/es/tutorials/category/css)[JavaScript](https://labex.io/es/tutorials/category/javascript)[React](https://labex.io/es/tutorials/category/react)[Kali Linux](https://labex.io/es/tutorials/category/kali) Reseñas de Usuarios > " Excellent comme plateforme de formation" — Noguès KOUAKOU > " ludique et motivant pour la suite " — David Giardina [Ver Más Reseñas](https://labex.io/es/pricing#reviews) Relacionado [Machine Learning Cursos](https://labex.io/learn/ml) [![Inicio rápido con Python](https://cover-creator.labex.io/quick-start-with-python.png?lang=es) Inicio rápido con Python LinuxPython Principiante](https://labex.io/es/courses/quick-start-with-python) [![Aprendizaje Supervisado: Regresión](https://cover-creator.labex.io/supervised-learning-regression.png?lang=es) Aprendizaje Supervisado: Regresión scikit-learnMachine Learning Intermedio](https://labex.io/es/courses/supervised-learning-regression) [![Aprendizaje Supervisado: Clasificación](https://cover-creator.labex.io/supervised-learning-classification.png?lang=es) Aprendizaje Supervisado: Clasificación scikit-learnMachine Learning Intermedio](https://labex.io/es/courses/supervised-learning-classification) [![LabEx](https://labex.io/_ipx/s_196x60/labex-logo-light.svg)](https://labex.io/es/tutorials/ml-density-estimation-using-kernel-density-71121) 🇪🇸 Español Aprende Linux, DevOps y Ciberseguridad con Laboratorios Prácticos CURSOS PRÁCTICOS [Aprender Linux](https://labex.io/es/learn/linux) [Aprender Python](https://labex.io/es/learn/python) [Aprender Ciberseguridad](https://labex.io/es/learn/cybersecurity) [Aprender Docker](https://labex.io/es/learn/docker) [Aprender CompTIA](https://labex.io/es/learn/comptia) [Aprender Java](https://labex.io/es/learn/java) [Aprender Ciencia de Datos](https://labex.io/es/learn/data-science) [Aprender Git](https://labex.io/es/learn/git) [Aprender Kubernetes](https://labex.io/es/learn/kubernetes) [Aprender Kali Linux](https://labex.io/es/learn/kali) [Aprender Ansible](https://labex.io/es/learn/ansible) [Aprender DevOps](https://labex.io/es/learn/devops) [Aprender Machine Learning](https://labex.io/es/learn/ml) [Examen de Práctica RHCSA](https://labex.io/es/courses/rhcsa-certification-exam-practice-exercises) [CompTIA Linux+](https://labex.io/es/courses/comptia-linux-plus-training-labs) [Ejercicios de Python](https://labex.io/es/exercises/python) [Hoja de Comandos de Linux](https://linux-commands.labex.io/) LABORATORIOS DE PRÁCTICA [Proyectos Linux](https://labex.io/es/projects/category/linux) [Proyectos Python](https://labex.io/es/projects/category/python) [Proyectos Java](https://labex.io/es/projects/category/java) [Proyectos en Lenguaje C](https://labex.io/es/projects/category/c) [Proyectos DevOps](https://labex.io/es/projects/category/devops) [Proyectos Golang](https://labex.io/es/projects/category/go) [Práctica de Git](https://labex.io/es/free-labs/git) [Práctica de Shell](https://labex.io/es/free-labs/shell) [Práctica de Java](https://labex.io/es/free-labs/java) [Práctica de Docker](https://labex.io/es/free-labs/docker) [Práctica de MySQL](https://labex.io/es/free-labs/mysql) [Práctica de MongoDB](https://labex.io/es/free-labs/mongodb) [Práctica de Kubernetes](https://labex.io/es/free-labs/kubernetes) [Práctica de Machine Learning](https://labex.io/es/free-labs/ml) [Práctica de Ciberseguridad](https://labex.io/es/free-labs/cybersecurity) [Práctica de Nmap](https://labex.io/es/free-labs/nmap) [Práctica de Wireshark](https://labex.io/es/free-labs/wireshark) ENTORNOS DE PRÁCTICA [Terminal Linux Online](https://labex.io/es/tutorials/linux-online-linux-playground-372915) [Entorno Docker](https://labex.io/es/tutorials/docker-online-docker-playground-372912) [Entorno Python](https://labex.io/es/tutorials/python-online-python-playground-372886) [Entorno Golang](https://labex.io/es/tutorials/go-online-golang-playground-372913) [Compilador C++ Online](https://labex.io/es/tutorials/cpp-online-c-playground-372911) [Entorno Ansible](https://labex.io/es/tutorials/ansible-online-ansible-playground-415831) [Entorno Jenkins](https://labex.io/es/tutorials/jenkins-online-jenkins-playground-415838) [Entorno Kubernetes](https://labex.io/es/tutorials/kubernetes-online-kubernetes-cluster-593609) [Entorno Java](https://labex.io/es/tutorials/java-online-java-playground-372914) [Entorno Rust](https://labex.io/es/tutorials/rust-online-rust-playground-372918) [Kali Linux Online](https://labex.io/es/tutorials/kali-online-kali-linux-terminal-and-playground-592935) [Nmap Online](https://labex.io/es/tutorials/nmap-online-nmap-playground-593613) [Wireshark Online](https://labex.io/es/tutorials/wireshark-online-wireshark-playground-593624) [MySQL Online](https://labex.io/es/tutorials/mysql-online-mysql-playground-372916) [PostgreSQL Online](https://labex.io/es/tutorials/kali-online-postgresql-database-playground-593616) [Simulador de Examen RHCSA](https://labex.io/es/tutorials/rhel-online-rhel-terminal-rhcsa-and-rhce-exam-playground-592933) [Máquinas Virtuales Online](https://labex.io/es/tutorials/linux-online-virtual-machines-and-playgrounds-593595) TUTORIALES [Tutorial de Linux](https://labex.io/es/tutorials/category/linux) [Tutorial de Docker](https://labex.io/es/tutorials/category/docker) [Tutorial de Kubernetes](https://labex.io/es/tutorials/category/kubernetes) [Tutorial de MongoDB](https://labex.io/es/tutorials/category/mongodb) [Tutorial de PostgreSQL](https://labex.io/es/tutorials/category/postgresql) [Tutorial de Wireshark](https://labex.io/es/tutorials/category/wireshark) [Tutorial de DevOps](https://labex.io/es/tutorials/category/devops) [Tutorial de Ciberseguridad](https://labex.io/es/tutorials/category/cybersecurity) [Preguntas de Entrevista de Java](https://labex.io/es/tutorials/java-java-interview-questions-and-answers-593685) [Preguntas de Entrevista de Python](https://labex.io/es/tutorials/python-python-interview-questions-and-answers-593698) [Preguntas de Entrevista de Kubernetes](https://labex.io/es/tutorials/kubernetes-kubernetes-interview-questions-and-answers-593688) [Preguntas de Entrevista de DevOps](https://labex.io/es/tutorials/linux-devops-interview-questions-and-answers-593679) [Preguntas de Entrevista de Ciberseguridad](https://labex.io/es/tutorials/cybersecurity-cybersecurity-interview-questions-and-answers-593676) [Preguntas de Entrevista de Docker](https://labex.io/es/tutorials/docker-docker-interview-questions-and-answers-593680) [Preguntas de Entrevista de Linux](https://labex.io/es/tutorials/linux-linux-interview-questions-and-answers-593689) [Preguntas de Entrevista de MongoDB](https://labex.io/es/tutorials/mongodb-mongodb-interview-questions-and-answers-593692) [Preguntas de Entrevista de Bases de Datos](https://labex.io/es/tutorials/linux-database-interview-questions-and-answers-593677) [SOPORTE](https://support.labex.io/)\\|[CONTACTO](https://labex.io/cdn-cgi/l/email-protection#1d74737b725d717c7f7865337472)\\|[FORO](https://labex.io/es/forum)\\|[TUTORIALES](https://labex.io/es/tutorials)\\|[LABORATORIOS GRATUITOS](https://labex.io/es/free-labs)\\|[PREGUNTAS DE ENTREVISTA](https://labex.io/es/tutorials/linux-technical-interview-questions-and-answers-593708)\\|[EJERCICIOS](https://labex.io/es/exercises)\\|[LABEX TEAMS](https://labex.io/es/teams)\\|[AFILIADOS](https://labex.io/es/questions/labex-affiliate-program-a6jov663)\\|[MAPA DEL SITIO](https://sitemap.labex.io/)\\|[POLÍTICA DE PRIVACIDAD](https://labex.io/es/privacy)\\|[TÉRMINOS DE SERVICIO](https://labex.io/es/terms) © 2017-2025 LabEx Technology Limited All Rights Reserved
Readable Markdown	null
Shard	28 (laksa)
Root Hash	1963243295958744828
Unparsed URL	io,labex!/es/tutorials/ml-density-estimation-using-kernel-density-71121 s443