정규 분포와 균일 분포를가집니다. 나는 비율을 계산하기를 원합니다 : 정규 분포의 밀도, 균일 밀도보다. 그런 다음이 비율을 정규성에 대해 테스트하고 싶습니다. ht <- runif(3000, 1, 18585056) # Uniform distribution
hm <- rnorm(35, 10000000, 5000000) # Normal distribu
저는 numpy와 scipy를 사용하여 3D 좌표 정보로부터 밀도 플롯을 생성하고 있습니다. 다음 코드 xyz = np.vstack([x,y,z])
kde = stats.gaussian_kde(xyz)
density = kde(xyz)
으로 KDE를 생성하여 데이터의 밀도 플롯을 성공적으로 생성 할 수 있습니다하지만 어떻게 큰 밀도의 3D 점과 연관
이 질문은 매우 간단해야하지만 질문의 대상이 확실하지 않아 어느 곳에서나 대답을 찾을 수 없습니다. R에서 , 그것의 밀도를 계산하기 쉽다 : c(1, 2, 2, 2, 3, 5, 5, 7, 8, 10, 10, 10)
을 당신은 할 수 : density(c(1, 2, 2, 2, 3, 5, 5, 7, 8, 10, 10, 10))
문제입니다, 내 데이터에
데이터 프레임이 있고 두 개의 열을 기반으로하는 오버레이 밀도 플롯을 만들고 싶습니다. 색상이 투명 해 지길 원합니다. 채우기 옵션을 사용하고 기본적으로 채우기를 요소 열로 할당했습니다. 기본적으로 요소 열이 있으면 모든 채우기가 투명하게됩니다. 하지만 이런 상황에서는 아무런 요소가 없는데 어떻게 투명하게 채울 수 있습니까? library("ggplot2"
SciPy의 gaussian_kde 함수를 사용하여 다 변수 데이터의 밀도를 계산하려고합니다. 아래의 코드에서 3D 다 변수 정규 분포를 샘플링하고 커널 밀도에 맞 춥니 다.하지만 필자의 적합성을 평가하는 방법을 모르겠습니다. import numpy as np
from scipy import stats
mu = np.array([1, 10, 20])
다음 함수로 밀도를 플롯하려고합니다. 그러나 그것은 내가 가고있는 모양을 달성하지 못했습니다 ... 줄거리의 왼쪽 및 오른쪽 가장자리를 기준선까지 부드럽게 만들 수있는 방법이 있는지 궁금합니다 (더 이상 사각형 가장자리가 없도록합니다.) 왼쪽 및 오른쪽). fig1<-ggplot(data=mtcars, aes(x=mpg, fill=as.factor(am))
이것은 R 커뮤니티의 첫 번째 게시물이기 때문에 어리석은 경우 용서해주십시오. ggplot2에서 geom_density2d 및 stat_density2d 함수를 사용하여 커널 밀도 추정치를 표시하고 싶습니다.하지만 문제는 가중치 데이터를 처리 할 수 없다는 것입니다. 내가 알기에이 두 함수는 커널 밀도 추정을 위해 MASS 패키지의 kde2d 함수를 호
이 코드를 시도하고 있습니다. Stata는 그것을 읽은 것 같습니다. 오류는 나타나지 않지만 변수를 생성하지 않습니다. 여기있다 : 너희들은 나를 cumul price if dummy==1, gen(cprice1) cumul price if dummy==0, gen (cprice2) line cprice1 cprice2 price 도울 수 있을까요? Sta
library(ks)
x<-rnorm(1000)
hist(x, col="red")
y <- rkde(kde(x), n=1000)
hist(y, col="green")
y <- rkde(density(x), n=1000)
hist(y, col="blue")
마지막 히스토그램이 잘못되었습니다. 전에 density을 사용했고 훨씬 더 복잡한
저는 scikit learn과 python을 며칠 동안 사용합니다. 특히 KernelDensity입니다. 모델이 적용되면 새로운 점수의 가능성을 평가하고 싶습니다. score() 메서드는 이것을 위해 만들어졌지만 배열을 숫자 1로 출력 할 때처럼 작동하지 않는 것 같습니다. score_samples()를 사용하지만 속도가 매우 느립니다. 나는 그 점수가 효