kernel-density

1зной

1ответ

Я хочу создать оценку плотности ядра с помощью Seaborn.kdeplot с цветной панелью сбоку. import matplotlib.pyplot as plt import seaborn as sns import numpy as np; np.random.seed(10) import seaborn a

1зной

1ответ

`plot.density` расширяет« xlim »за пределы моих данных. Почему и как это исправить?

Используя приведенный ниже код, я пытаюсь получить график плотности для разных распределений. dens <- apply(df[,c(7,9,12,14,16,18)], 2, density) plot(NA, xlim=range(sapply(dens, "[", "x")), ylim=ran

1зной

1ответ

путаница по оценке плотности ядра 2 измерения в R

Для оценки плотности ядра, как указано ниже, используются для оценки функции плотности вероятности. http://www.mvstat.net/tduong/research/seminars/seminar-2001-05/ http://scikit-learn.org/stable/modul

0зной

1ответ

участка с ядрами над отдельными наблюдениями в R

Ну, чтобы держать вещи коротким, что я хочу достичь, это сюжет, как право одного: Я хотел бы получить стандарт График KDE с отдельными ядрами, построенный по наблюдениям. Лучшим решением будет тот, ко

3зной

2ответ

Python, строящий горизонтальные линии с процентилями распределения вероятности

Учитывая распределение вероятностей с неизвестной функциональной формой (пример ниже), мне нравится строить контурные линии на основе «процентили», т. Е. Те, которые соответствуют областям с интеграло

1зной

1ответ

Контурный график: плотность участков с широтой и местоположениями местоположения

У меня есть данные этого формата и вы хотите сделать контурный график. Когда я пытаюсь использовать density(z), я получаю сообщение об ошибке "x must be numeric". Я не уверен, как преобразовать мои да

3зной

1ответ

R - имитировать данные для распределения плотности вероятности, полученные из оценки плотности ядра

Во-первых, я не совсем уверен, что это подходящее место для публикации этого сообщения, поскольку, возможно, оно должно проходить в более специализированном форуме с статистикой. Однако, поскольку я п

2зной

1ответ

Что такое _passthrough_scorer и как я могу изменить Scorers в GridsearchCV (sklearn)?

http://scikit-learn.org/stable/modules/generated/sklearn.grid_search.GridSearchCV.html (для справки) x = [[2], [1], [3], [1] ... ] # about 1000 data grid = GridSearchCV(KernelDensity(), {'bandwidth':