问题标签 [kernel-density]

我正在使用“sm”包来研究我的数据集中的分布。对于那些好奇的人，我将招聘实践视为年龄的函数，并试图确定群体的年龄分布是否会因性别或教育等属性而发生变化。

SM 包对我来说是一种新体验，我试图找到一个函数来描述最有可能生成数据集的密度函数，前提是零假设为真（两个密度图都是由从同一分布中抽取的随机样本生成的）。我没有发布图像所需的声誉，但我在 Imgur 上发现了这个也是用 sm.density.compare 生成的。

我们在图像中看到的是两个核密度图和一个青色区域，我理解它是包含真实密度图的 95% 可能性的参考带，前提是两条线是由来自相同分布的数据生成的。

我想找出一种方法来计算一个向量，该向量通过 x 轴上每个值的参考带内最可能的点。根据规则，我当然愿意接受关于我疯了或应该使用另一个包的建议。

我的数据是经过预处理的图像数据，我想分开两个类。理论上（并希望在实践中）最佳阈值是双峰分布数据中两个峰值之间的局部最小值。

我的测试数据是：http ://www.file-upload.net/download-9365389/data.txt.html

我试图关注这个线程：我绘制了直方图并计算了核密度函数：

但如何继续？

我将计算密度函数的一阶和二阶导数以找到局部极值，特别是局部最小值。但是我不知道如何在 R 中做到这一点，而且density(test)似乎不是一个正常的功能。因此请帮助我：如何计算导数并找到密度函数中两个峰之间的凹坑的局部最小值density(test)？

我有一个 (x,y,z) 蛋白质位置的大型数据集，并且想将高占用率区域绘制为热图。理想情况下，输出应该类似于下面的体积可视化，但我不确定如何使用 matplotlib 实现这一点。

我最初的想法是将我的位置显示为 3D 散点图并通过 KDE 为它们的密度着色。我用测试数据将其编码如下：

这很好用！但是，我的真实数据包含数千个数据点，计算 kde 和散点图变得非常缓慢。

我的真实数据的一个小样本：

我的研究表明，更好的选择是在网格上评估高斯 kde。我只是不确定如何在 3D 中做到这一点：

sklearn.neighbors.kde.KernelDensity 的函数 score_samples返回密度的对数。与返回它自身的密度相比，它有什么优势？

我知道对数对于介于 0 和 1 之间的概率是有意义的（参见这个问题：为什么在 GaussianNB [scikit-learn] 中使用对数概率估计？）但是为什么你对介于 0 和 1 之间的密度做同样的事情无穷？

有没有办法直接估计对数密度，还是只是从估计的密度中取对数？

我正在尝试改进包含多个密度图的图形。我像这样生成图形：

我不想单独可视化每个密度，而是想将它们组合成一个“平均”密度，并指出每个点的密度有多一致（就像stat_smooth()函数产生的置信界限一样）。

我实际上尝试过使用stat_smooth()，但收到此错误：

有没有办法stat_smooth()在这种情况下使用？

谢谢！

如果适当地选择了每个函数中的和参数，则在给定的数据集上应用函数scipy.ndimage.filters.gaussian_filter和scipy.stats.gaussian_kde可以得到非常相似的结果。sigmabw_method

例如，我可以通过sigma=2.在gaussian_filter（左图）和（右图）bw_method=sigma/30.中设置来获得以下图的随机二维点分布gaussian_kde：

（MWE在问题的底部）

这些参数之间显然存在关系，因为一个对数据应用高斯滤波器，另一个应用高斯核密度估计器。

每个参数的定义是：

• scipy.ndimage.filters.gaussian_filter，sigma：

sigma : 标量或标量序列 高斯核的标准偏差。每个轴的高斯滤波器的标准偏差作为一个序列或单个数字给出，在这种情况下，它对所有轴都是相等的。

鉴于高斯算子的定义，我可以理解这一点：

• scipy.stats.gaussian_kde，：bw_method_

bw_method：str，标量或可调用，可选用于计算估计器带宽的方法。这可以是“scott”、“silverman”、标量常量或可调用对象。如果是标量，这将直接用作 kde.factor。如果是可调用的，它应该将 gaussian_kde 实例作为唯一参数并返回一个标量。如果无（默认），则使用“斯科特”。有关详细信息，请参阅注释。

在这种情况下，我们假设 for 的输入bw_method是一个标量（浮点数），以便与sigma. 这是我迷路的地方，因为我在任何地方都找不到有关此kde.factor参数的信息。

如果可能的话，我想知道的是连接这两个参数（即：以及何时使用浮点数）的精确数学方程。sigmabw_method

MWE：

I'm trying this code (just below), Stata seems to read it -- it does not show any errors --, but it does not generate any variables. Here it is:

cumul price if dummy==1, gen(cprice1)

cumul price if dummy==0, gen (cprice2)

line cprice1 cprice2 price

Could you guys help me? I could graph two kernel density distributions with a condition of "if" for the dummy, with a similar code, in which I stored the results for latter graphing them -- following the help files in Stata. But I could not do this with the cumulative distributions.

最后一个直方图是错误的。我以前用过density，我发现它对于更复杂的分布是准确的。为什么在这种情况下它表现如此糟糕？谢谢

我正在使用 numpy 和 scipy 从 3D 坐标信息生成密度图。我可以通过使用以下代码生成 KDE 来成功生成数据的密度图

但是我如何使用这些信息来找到与密度最大的 3D 点相关联的坐标呢？

我试过了

它返回一个值，然后我可以找到 with 的索引

但后来我打了一个空白，因为我似乎无法使用该索引从 xyz 获取相关坐标，我不确定这是否是正确的方法。

我有一系列密度估计值，我想在 ggplot2 中进行比较。到目前为止，我不依附于我选择的任何细节（例如，如果这些都在一个情节上，我是否应该使用 facets、grid.arrange 等）我愿意接受建议：

第一次尝试：

很好，但我希望轴相同，以便它们具有可比性。

我尝试使用设置限制，coord_cartesian(xlim=c(0,5))但出现错误，例如

我也尝试在中设置限制，scale_x_log10(limits=c(0,5)但我得到了

有没有更好的方法来排列这些图表，以便它们更容易比较？我愿意接受任何解决方案。

我的数据是这种形式：