Answers:
结果估计每单位面积的点数。作为检查，您应该将密度值乘以单元格的面积，然后将这些值在网格上相加：总和应等于原始数据的总和。（这两个值通常由于边界效应和数值不精确性这两个原因而有所不同。出现边界效应的原因是密度图可以将数据散布到图的边缘，并且这些值不会从密度网格中恢复。但是这些差异应该变小。）
我在课堂上使用的一幅图像要求学生将内核想象成一桶沙子：您将桶升起一点，使沙子坍塌。对于较短的半宽度几乎不会出现塌陷，但是对于较大的带宽却几乎没有塌落（可能是沙子较湿；-）。无论如何，无论塌落如何发生，残留的沙子总是一样。现在在每个点的位置丢弃一个桶（或更普遍的是，如果每个数据点都有一个正值x，则首先在桶中放入与x成正比的沙子量）然后将其转储）。沙子塌了。它堆积在有很多水桶的地方。密度网格为您提供了每个网格单元中心的堆积沙子的高度。将其乘以一个单元的面积可以估算出每个单元占据的沙子量。将任何区域（例如人口普查区）的单元格体积相加得出该区域的沙子总量，这表示您认为该区域中x的总量。
这是一种过于简化的思考方式：
想象一下一个飞镖，它的中心有几个环。在结果的每个位置，通过将飞镖放置在该位置上并查看矢量点在飞镖上的位置来计算得分。据此计算分数并制作栅格。
如何计算它有很多变量：
-dartboard的大小（内核）
-飞镖板的形状（二维等距或“在x / y方向上每个方向相同”，即一个平坦的圆）
-飞镖分配点的方式（高斯意味着呈“正态”分布，即当点接近钟形曲线时，点越接近中心，得分越高）
优点是它将计算出更平滑的版本，而不会出现较大（不连续）的跳跃，从而不会以更大且更一致的半径接收信息。它也将较少地受到所使用区域的大小/形状差异的影响。
考虑在县上使用最近邻居：在东海岸，它们比中西部小得多，但是邻居的数量相似，并且在很大程度上影响了边界的几何形状。哪个更密集？如果您的内核半径是50英里，您将得到一个截然不同的答案，该答案更准确地描述了它们的相对密度。