核密度估计的峰值
Posted
技术标签:
【中文标题】核密度估计的峰值【英文标题】:Peak of the kernel density estimation 【发布时间】:2013-04-21 18:14:40 【问题描述】:我需要尽可能精确地找到(连续随机变量的模态值)。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$x[i]
但是在计算d$y
时,精确的函数是已知的。如何找到模式的确切值?
【问题讨论】:
【参考方案1】:这里有两个处理模式的函数。 dmode 函数查找具有最高峰值的模式(主导模式),n.modes 标识模式的数量。
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))$values)/2
if ((nmodes > 10) == TRUE) nmodes <- 10
if (is.na(nmodes) == TRUE) nmodes <- 0
( nmodes )
# Example
x <- runif(1000,0,100)
plot(density(x))
abline(v=dmode(x))
【讨论】:
【参考方案2】:如果我理解您的问题,我认为您只是想要对 x
和 y
进行更精细的离散化。为此,您可以在density
函数中更改n
的值(默认为n=512
)。
例如比较
set.seed(1)
x = rlnorm(100)
d = density(x)
i = which.max(d$y)
d$y[i]; d$x[i]
0.4526; 0.722
与:
d = density(x, n=1e6)
i = which.max(d$y)
d$y[i]; d$x[i]
0.4525; 0.7228
【讨论】:
【参考方案3】:我认为您需要两个步骤来归档您需要的内容:
1) 求 KDE 峰值的 x 轴值
2) 获取峰的密度值
因此(如果您不介意使用软件包)使用 hdrcde
软件包的解决方案如下所示:
require(hdrcde)
x<-rlnorm(100)
d<-density(x)
# calcualte KDE with help of the hdrcde package
hdrResult<-hdr(den=d,prob=0)
# define the linear interpolation function for the density estimation
dd<-approxfun(d$x,d$y)
# get the density value of the KDE peak
vDens<-dd(hdrResult[['mode']])
编辑:您也可以使用
hdrResult[['falpha']]
如果它对你来说足够精确!
【讨论】:
以上是关于核密度估计的峰值的主要内容,如果未能解决你的问题,请参考以下文章