Eğer asıl ilginiz 2 boyutlu problemler ise, çekirdek yoğunluğu tahmininin iyi bir seçim olduğunu söyleyebilirim çünkü güzel asimptotik özelliklere sahiptir (bunun en iyisi olduğunu söylemediğimi unutmayın). Örneğin bakınız
Parzen, E. (1962). Olasılık yoğunluğu fonksiyonu ve modunun tahmininde . Yıllık Matematik İstatistikleri 33: 1065-1076.
de Valpine, P. (2004). Monte Carlo durum uzay ağırlıklı olasılıklı arka çekirdek yoğunluğu tahmini ile . Amerikan İstatistik Derneği 99: 523-536.
Daha yüksek boyutlar (4+) için bu yöntem, optimum bant genişliği matrisini tahmin etmede iyi bilinen zorluk nedeniyle gerçekten yavaştır, bkz .
Şimdi, ks
paketteki komutla ilgili sorun KDE
, belirttiğiniz gibi, çok sınırlayıcı olabilecek belirli bir ızgaradaki yoğunluğu değerlendirmesidir. KDE
Bant genişliği matrisini tahmin etmek için paketi kullanırsanız, örneğin Hscv
Çekirdek yoğunluk tahmincisini kullanarak ve sonra komutu kullanarak bu işlevi en iyi duruma getirirseniz bu sorun çözülebilir optim
. Bu, aşağıda simüle edilmiş veriler ve bir Gauss çekirdeği kullanılarak gösterilmiştir R
.
rm(list=ls())
# Required packages
library(mvtnorm)
library(ks)
# simulated data
set.seed(1)
dat = rmvnorm(1000,c(0,0),diag(2))
# Bandwidth matrix
H.scv=Hlscv(dat)
# [Implementation of the KDE](http://en.wikipedia.org/wiki/Kernel_density_estimation)
H.eig = eigen(H.scv)
H.sqrt = H.eig$vectors %*% diag(sqrt(H.eig$values)) %*% solve(H.eig$vectors)
H = solve(H.sqrt)
dH = det(H.scv)
Gkde = function(par){
return( -log(mean(dmvnorm(t(H%*%t(par-dat)),rep(0,2),diag(2),log=FALSE)/sqrt(dH))))
}
# Optimisation
Max = optim(c(0,0),Gkde)$par
Max
Şekil kısıtlamalı tahmin ediciler daha hızlı olma eğilimindedir, örneğin
Cule, ML, Samworth, RJ ve Stewart, MI (2010). Çok boyutlu log-içbükey yoğunluğun maksimum olabilirlik tahmini . Journal Royal Statistics Society B 72: 545-600.
Ancak bu amaç için çok fazla zirve yapıyorlar .
4
Kullanmayı düşünebileceğiniz diğer yöntemler şunlardır: normallerin (veya diğer esnek dağılımların) çok değişkenli bir sonlu karışımının yerleştirilmesi veya
Abraham, C., Biau, G. ve Cadre, B. (2003). Çok değişkenli yoğunluk modunun basit tahmini . Kanada İstatistik Dergisi 31: 23-34.
Umarım bu yardımcı olur.