https://en.wikipedia.org/wiki/Kernel_(statistics)
Kernel 在不同的背景下，被賦予了不同的含義，這里我們3種不同的背下對其含義進行闡述。
- Bayes statistic
主要只概率密度函數(shù)pdf中與x有關的函數(shù)部分。 - Machine learning and pattern analysis
主要指kernel trick中的核函數(shù)。 - non-parametric statistics
也是指核函數(shù)，不過這里不是用在kernel trick中，而是指一種用于 連續(xù)概率密度的估計方法-KDE（kernel density estimator），KDE對應離散分布中的histogram圖。KDE估計方法中，kernel的數(shù)量（也與參數(shù)的數(shù)量成正比）與樣本的數(shù)量成正比，因此可以得出，參數(shù)的數(shù)量與樣本的數(shù)量成正比，因此parameters的無法事先確定，因此是non-parametric！這就是non-parametric名稱的由來！
