数据分析介绍之三——单变量数据观察之核密度估计.pdfVIP

数据分析介绍之三——单变量数据观察之核密度估计 数据分析介绍之三——单变量数据观察之核密度估计 ⼀、核密度估计 上⼀篇结尾处谈到了直⽅图的⼏个缺点，幸运的是，除了这些问题之外，还有经典直⽅图的替代⽅案。 称为核密度估计。 内核密度估计（KDEs）是⼀种⽐较新的技术。 与直⽅图和许多其他经典数据分析⽅法相⽐，它们⼏乎要求合理的现代计算机的计算能⼒有 效。 即使是相当适中的数据集，它们也不能⽤纸和铅笔⼿⼯完成。 （有趣的是，计算和图形功能的可访问性如何能够新的⽅式来思考数 据！） 为了形成KDE，我们在每个数据点的位置放置⼀个内核，即⼀个平滑的，强峰值的函数。 然后，我们将来 ⾃所有内核的贡献加起来，获得 ⼀个平滑的曲线，我们可以在x轴的任意点进⾏评估。 图2-4显⽰了⼀个例⼦。 这是我们以前在图2-1中看到的数据集的另⼀个表⽰。 虚线框是数据集的直⽅图（bin宽度等于 1），实线是具有 不同带宽的相同数据集的两个KDE（稍后将解释此概念）。 单个内核函数的形状可以清楚地看出来——例如，通过考虑低于20的三个数据 点。您还可以看到最终曲线如何由单个内核组成，特别是当您查看30到40之间的点。 我们可以使⽤任何平滑，强峰值的函数作为内核，只要它集成到1; 换句话说，由单个内核形成的曲线下⾯积必须为1.（这是必要的，以确保 ⽣成的KDE