问题标签 [kurtosis]

我想自动检测数据是否具有非常明显的峰值，具有任何特定的分布。否则数据可能会非常嘈杂，或者可能有几个“假”峰。以下是我期望的一些性能示例，越高越好：

• 多式联运：测量分数低

• 平：测量分数低

• 锯齿状，没有真正的高点：测量分数低

• 一个明确定义的峰，无论尾部厚度或其他考虑因素如何：测量得分高

密度峰值聚类能否成为一种解决方案，尤其是 HDBSCAN？或者，如果专门用于查找单个值的峰值，是否有另一种计算速度更快的聚类算法？

我还认为这可能更像是一个模式识别问题，可能会使神经网络变得有用。

使用 e1071 包计算峰度时，如下所示：

无论我选择什么 3 个数字，我总是得到 -2.33。对于 2 个数字，它始终为 -2.75。但是，当使用其他方法（例如 python 中的 pandas）时，我会为我选择的每组值得到不同的峰度。

这是包中的错误还是我使用此包错误？谢谢！

我已经为一些数据 (A) 安装了 Gompertz 函数。现在我对曲线的形状感兴趣，直到最大值。我想描述这条曲线的峰度。我最大程度地镜像数据，得到类似密度曲线 (B) 的东西，并将每个值乘以 1000。但是，由于它不是密度分布，所以直方图不是我需要的，用kurtosis()（C）。我的想法是将每一行乘以其 y 值的数量（因此我将这些值乘以 1000，它们至少达到 1 的 y 值），以获得直方图的数据，它看起来像原始曲线. 不幸的是，高值更加强调（D）。我知道最大值左侧和右侧的数字是放在一起的，所以我改变了数据的结构（E），但是，最大值附近的值仍然更加强调（F）。

实际上我不知道如何模拟（A）中的数据。对不起！

您知道如何获得图 B 中的峰度吗？