La naturaleza del estimador de densidad del núcleo (KDE) es encontrar la función de densidad de probabilidad subyacente para un conjunto de datos dado. La clave para entrenar el KDE es determinar el ancho de banda óptimo o ventana de Parzen. Todos los puntos de datos comparten un ancho de banda fijo (escalar para KDE univariado y vector para KDE multivariado) en el KDE fijo (FKDE). En este documento, proponemos un KDE variable mejorado (IVKDE) que determina el ancho de banda óptimo para cada punto de datos en el conjunto de datos dado basado en el criterio de error cuadrado integrado (ISE) con el término de regularización. Se desarrolla un algoritmo de optimización efectivo para resolver la función objetivo mejorada. Comparamos el rendimiento de estimación de IVKDE con FKDE y VKDE basado en el criterio ISE sin regularización en cuatro distribuciones de probabilidad univariadas y cuatro multivariadas. Los resultados experimentales muestran que IVKDE obtiene errores de estimación más bajos y demuestran así la efectividad de IVKDE.