Kernel density estimator

แนวทางปฏิบัติที่ดีที่สุดสำหรับการสร้างภาพข้อมูลใน R

Nick Strayer

Instructor

จุดอ่อนของฮิสโตแกรม

ข้อมูลที่มีหลายยอดหลัก
ข้อมูลขนาดเล็ก

กราฟ kernel density

วาง "kernel" ทับบนจุดข้อมูลทุกจุด
รวมความสูงของ kernel ที่ซ้อนทับกัน

สร้าง KDE ใน ggplot

เปลี่ยน geom_histogram() เป็น 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 
    )

ความกว้างที่ต้องใส่ใจ

ต้องปรับค่า standard deviation ของ kernel ที่วางบนแต่ละจุด

แสดงข้อมูลทั้งหมด

ใช้ geom_rug() แสดงข้อมูลทั้งหมดด้านล่าง KDE ด้วยเส้น

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)

มาซ้อน Gaussian กันเถอะ!

แนวทางปฏิบัติที่ดีที่สุดสำหรับการสร้างภาพข้อมูลใน R

Preparing Video For Download...