我有一个数据流，我想要估计内核密度（或直方图）。输入参数是窗口长度。例如60秒，或5分钟或一个月。任何早于窗口大小的数据都应该最小程度地影响估计。但是，我无法存储实际的数据点。一旦新数据样本到达，我想将其添加到估算器并丢弃它。由于这是资源受限的环境（CPU +存储器），因此该方法在空间和时间复杂度上应优选为O（1）。
是否有任何现成的图书馆已经完成这项工作？ 我更喜欢GO中的一些东西，但我会采用任何语言的实现。
如果没有现有的实现，是否有我可以参考并实现的算法？
（在Google上搜索没有给我任何直接答案，我是机器学习和统计新手）
答案 0 :(得分：1)
几何衰减的直方图可以完成这项任务。
$$ h（i）= h（i）*（1 - e ^ { - 1 / \ tau}）+ e ^ { - 1 / \ tau} \ delta（i-j）$$
其中$ j $是新观察值，$ h（i）$是运行平均直方图，$ \ tau $是时间常数。