をks`カーネルスムージングパッケージksを使用して、kdeを使用してカーネル密度推定モデルを生成します。私はその後、生産されたモデルをサンプリングしたいと思います。R：サンプルモデルからのデータ、パッケージは `私は、これは明白な答えのどこかを持っている場合、私は1つを見つけることができませんでしたごめんなさい、私はR.</p> <p>とあまりにも経験していないよ
library(ks)
data <- read.table("data_file.txt", header=FALSE)
model <- kde(data)
そして、私はどのように進むのかは分かりません。私はヘルプ文書を読んだが、必要な機能が見つからなかった。
単変量場合
ヘルプ文書を参照してください：あなたは任意のRの分布と同じようdkde、pkde、qkde、rkdeを見ることができます https://cran.r-project.org/web/packages/ks/ks.pdf
。
rkde(100, model)
推定分布から100の乱数が生成されます。
多変量ケース
私が直接prodiveサンプル方法をないwhick KSパッケージを見つける驚いて。とにかくそれは簡単に原則です。最初にサンプルポイントをランダムに選択してから、推定されたカーネルノイズを適用する必要があります。多変量正規カーネルと遅いが、基本的なコード例：rmvnorm以来
library(mvtnorm)
rmkde <- function(size,flat){
n <- nrow(flat$x)
s <- sample(1:n,size,replace=TRUE)
t(apply(flat$x[s,],1,function(mean)rmvnorm(1,mean=mean,sigma=flat$H)))
}
rmkde(100, model)
同じ行列分解を何度も計算し、それが遅いです、あなたはそれを加速するrmvnormソースコードから分解を選ぶことができます。