Kärnfunktionsestimatorn

Visualiseringsmetoder i R

Nick Strayer

Instructor

När histogram inte räcker

  • Data med flera tydliga toppar
  • Litet dataset

Visualiseringsmetoder i R

Kärnfunktionstäthetsplot

  • Placera en "kernel" ovanpå varje datapunkt
  • Summera höjderna av alla överlappande kärnor

Visualiseringsmetoder i R

Skapa en KDE i ggplot

  • Byt bara ut geom_histogram() mot 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 
    )
Visualiseringsmetoder i R

Visualiseringsmetoder i R

En ny bredd att hålla koll på

  • Standardavvikelsen för kärnfunktionen på varje punkt behöver justeras

Visualiseringsmetoder i R

Visualiseringsmetoder i R

Visa alla data

Använd geom_rug() för att visa alla datapunkter under KDE:n som streck

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)
Visualiseringsmetoder i R

Visualiseringsmetoder i R

Nu kör vi en övning!

Visualiseringsmetoder i R

Preparing Video For Download...