Estymator gęstości jądra

Najlepsze praktyki wizualizacji danych w R

Nick Strayer

Instructor

Słabe strony histogramów

  • Dane z wieloma wyraźnymi szczytami
  • Małe zbiory danych

Najlepsze praktyki wizualizacji danych w R

Wykresy gęstości jądra

  • Umieść „jądro" na każdym punkcie danych
  • Zsumuj wysokości wszystkich nakładających się jąder

Najlepsze praktyki wizualizacji danych w R

Tworzenie KDE w ggplot

  • Wystarczy zamienić geom_histogram() na geom_density()
sample_n(md_speeding, 100) %>%
  ggplot(aes(x = percentage_over_limit)) +
  # Swap out geom_histogram() 
    geom_density(
      # Fill in curve with color
      fill = 'steelblue',
      # Standard deviation of kernel
      bw = 8 
    )
Najlepsze praktyki wizualizacji danych w R

Najlepsze praktyki wizualizacji danych w R

Nowa szerokość do dopasowania

  • Należy dostosować odchylenie standardowe jądra umieszczanego na każdym punkcie

Najlepsze praktyki wizualizacji danych w R

Najlepsze praktyki wizualizacji danych w R

Wyświetlanie wszystkich danych

Użyj geom_rug(), aby pokazać wszystkie dane poniżej KDE jako linie

p <-sample_n(md_speeding, 100) %>%
  ggplot(aes(x = percentage_over_limit)) +
  geom_density(
    fill = 'steelblue', # fill in curve with color
    bw = 8 # standard deviation of kernel
  ) 

p + geom_rug(alpha = 0.4)
Najlepsze praktyki wizualizacji danych w R

Najlepsze praktyki wizualizacji danych w R

Połóżmy kilka gaussianów!

Najlepsze praktyki wizualizacji danych w R

Preparing Video For Download...