kernel-density

15熱

1答えて

scikitでカーネル密度推定を1Dクラスタリング方法としてどのように使うのでしょうか？

私は単純な単変量データセットを予め設定された数のクラスタにクラスタリングする必要があります。技術的にはデータが1Dなのでビニングやソートに近づくでしょうが、私の上司はそれをクラスタリングと呼んでいますので、その名前に固執します。私が使用しているシステムで使用されている現在の方法はK平均ですが、それは過度のようです。このタスクを実行するより良い方法はありますか？ KDE（Kernel Densi

4熱

1答えて

ggplot2循環データの密度

私はxの年の日（誕生日を表す）を表すデータセットを持っており、この密度グラフを作成したいと考えています。さらに、いくつかのグループ情報（男の子や女の子）があるので、私はggplot2の機能を使って密度プロットを作成したいと考えています。最初は十分に簡単： require(ggplot2); require(dplyr) bdays <- data.frame(gender = sample(

5熱

3答えて

R ggplot2 - 単純なプロット - ログ軸の制限を指定できません

ggplot2のRで単純な密度プロットを作成しようとしています。ここで私のコードは素晴らしい作品です。 d <- ggplot(result, aes(x=result$baseMeanA)) d + geom_density(colour="darkgreen", size=2, fill="darkgreen") + scale_x_log10() + scale_y_continuous

1熱

1答えて

Matlabのksdensityのポイント範囲

私はMATLABでこの形式のksdensity関数を使用しています。 [f,xi] = ksdensity(x) ドキュメントは「fがXIの点で評価された濃度値のベクトルである...密度は、xのデータの範囲をカバー100等間隔点で評価されている。」と述べています私のxi値は、xのデータよりもはるかに広い範囲をカバーしています。どうしてこれなの？私のデータについては、 >> min(x) a

7熱

1答えて

いくつかの条件付きデータがある場合、Rの条件付き密度からサンプリングすることは可能ですか？

Rでは、npパッケージを使用して、条件付き密度の帯域幅を作成しました。私がしたいのは、いくつかの新しい条件付きベクトル、結果の分布からのサンプルを与えられたことです。現在のコード： library('np') # Generate some test data. somedata = data.frame(replicate(10,runif(100, 0, 1))) # Conditio

5熱

1答えて

D3.jsを使用してRカーネル密度推定プロットをどのように達成できますか？

これは私のRコードです： x <- c(5.89,6.81,6.69,7.61,5.44,6.17) y <- c(1,0.09392423,0.07090779,0.0687634,0.06819157,0.06261615) plot(density(x, bw=0.050, adjust=1, kernel="gaussian",weights=(y),n=1000)) 私はD3.

11熱

2答えて

特定のポイントでカーネル密度の見積もりの値を取得するにはどうすればよいですか？

私はRでオーバープロットに対処する方法を試しています。私が試してみたいのは、個々の点をプロットすることですが、その近傍の密度で色を付けることです。これを行うためには、各点で2Dカーネル密度推定値を計算する必要があります。しかし、標準のカーネル密度推定関数はすべてグリッドベースであると思われます。指定した特定のポイントで2Dカーネル密度の推定値を計算する関数はありますか？引数としてxベクトルとyベク

5熱

1答えて

`ksmooth`に渡されたx点を超えて外挿する方法は？

私はそうのようなカーネル関数を持っている： x <- 1:100 y <- rnorm(100, mean=(x/2000)^2) plot(x,y) kernel <- ksmooth(x,y, kernel="normal", bandwidth=10) print(kernel$y) 私はxの値の範囲のポイント外で予測しようとした場合、データを超えて推定する試みているので、それは

8熱

3答えて

カーネル密度推定のピーク

カーネル密度推定のピーク（連続ランダム変数のモーダル値）を可能な限り正確に見つける必要があります。 d$y正確な機能が知られている計算 x<-rlnorm(100) d<-density(x) plot(d) i<-which.max(d$y) d$y[i] d$x[i] しかしとき：私は近似値を見つけることができます。どのようにしてモードの正確な値を見つけることができますか？