[英]Peak of the kernel density estimation
我需要盡可能精確地找到核密度估計的峰值(連續隨機變量的模態值)。 我可以找到近似值:
x<-rlnorm(100)
d<-density(x)
plot(d)
i<-which.max(d$y)
d$y[i]
d$x[i]
但是在計算d$y
精確函數是已知的。 如何找到模式的確切值?
以下是處理模式的兩個函數。 dmode函數查找具有最高峰值的模式(支配模式),n.modes識別模式的數量。
dmode <- function(x) {
den <- density(x, kernel=c("gaussian"))
( den$x[den$y==max(den$y)] )
}
n.modes <- function(x) {
den <- density(x, kernel=c("gaussian"))
den.s <- smooth.spline(den$x, den$y, all.knots=TRUE, spar=0.8)
s.0 <- predict(den.s, den.s$x, deriv=0)
s.1 <- predict(den.s, den.s$x, deriv=1)
s.derv <- data.frame(s0=s.0$y, s1=s.1$y)
nmodes <- length(rle(den.sign <- sign(s.derv$s1))$values)/2
if ((nmodes > 10) == TRUE) { nmodes <- 10 }
if (is.na(nmodes) == TRUE) { nmodes <- 0 }
( nmodes )
}
# Example
x <- runif(1000,0,100)
plot(density(x))
abline(v=dmode(x))
如果我理解你的問題,我認為你只是想要更精細地分離x
和y
。 為此,您可以在density
函數中更改n
的值(默認值為n=512
)。
例如,比較
set.seed(1)
x = rlnorm(100)
d = density(x)
i = which.max(d$y)
d$y[i]; d$x[i]
0.4526; 0.722
有:
d = density(x, n=1e6)
i = which.max(d$y)
d$y[i]; d$x[i]
0.4525; 0.7228
我認為您需要兩個步驟來存檔您需要的內容:
1)找到KDE峰的x軸值
2)獲得峰值的desnity值
所以(如果你不介意使用包),使用hdrcde
包的解決方案將如下所示:
require(hdrcde)
x<-rlnorm(100)
d<-density(x)
# calcualte KDE with help of the hdrcde package
hdrResult<-hdr(den=d,prob=0)
# define the linear interpolation function for the density estimation
dd<-approxfun(d$x,d$y)
# get the density value of the KDE peak
vDens<-dd(hdrResult[['mode']])
編輯:你也可以使用
hdrResult[['falpha']]
如果它足夠精准你!
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.