标签： machine-learning classification supervised-learning kernel-density unsupervised-learning
在内核估算器中，我们必须选择h参数作为内核的带宽，我知道有选择参数h的方法。此外，在选择h时存在两种极端情况，如果我们选择h趋向于零，这将导致最近邻估计，而如果我们选择h趋于无穷，则相反，将导致天真估计。我的问题是这两个极端的理论依据是什么？参考书（书/期刊）是什么？