यदि आपकी मुख्य रुचि 2-आयामी समस्याएं हैं, तो मैं कहूंगा कि कर्नेल घनत्व का अनुमान एक अच्छा विकल्प है क्योंकि इसमें अच्छा विषम गुण हैं (ध्यान दें कि मैं यह नहीं कह रहा हूं कि यह सबसे अच्छा है)। उदाहरण के लिए देखें
परजन, ई। (1962)। एक संभावना घनत्व समारोह और मोड के आकलन पर । गणितीय सांख्यिकी 33: 1065-1076।
डी वैल्पाइन, पी। (2004)। मोंटे कार्लो राज्य अंतरिक्ष संभावनाएं भारित कर्नेल घनत्व अनुमान द्वारा । जर्नल ऑफ़ द अमेरिकन स्टैटिस्टिकल एसोसिएशन 99: 523-536।
उच्चतर आयामों (4+) के लिए यह विधि वास्तव में धीमी है क्योंकि इष्टतम बैंडविड्थ मैट्रिक्स का अनुमान लगाने में अच्छी तरह से ज्ञात कठिनाई है, देखें ।
अब, ks
पैकेज में कमांड के साथ समस्या KDE
यह है, जैसा कि आपने उल्लेख किया है कि यह एक विशिष्ट ग्रिड में घनत्व का मूल्यांकन करता है जो बहुत सीमित हो सकता है। यदि आप KDE
बैंडविड्थ मैट्रिक्स का अनुमान लगाने के लिए पैकेज का उपयोग करते हैं, तो उदाहरण के लिए Hscv
, कर्नेल घनत्व अनुमानक को लागू करें और फिर कमांड का उपयोग करके इस फ़ंक्शन को ऑप्टिमाइज़ करें, तो यह समस्या हल हो सकती है optim
। यह नीचे सिम्युलेटेड डेटा और एक गाऊसी कर्नेल का उपयोग करके नीचे दिखाया गया है 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
उदाहरण के लिए, आकार-प्रतिबंधित अनुमानक तेज़ होते हैं
Cule, ML, Samworth, RJ and Stewart, MI (2010)। बहु-आयामी लॉग-अवतल घनत्व का अधिकतम संभावना अनुमान । जर्नल रॉयल स्टैटिस्टिकल सोसाइटी बी 72: 545-600।
लेकिन वे इस उद्देश्य के लिए बहुत अधिक उत्साहित हैं ।
4
अन्य तरीके जो आप उपयोग करने पर विचार कर सकते हैं, वे हैं: मानदंडों (या अन्य लचीले वितरण) या एक बहुभिन्नरूपी परिमित मिश्रण की फिटिंग
अब्राहम, सी।, बियू, जी। और कैडर, बी। (2003)। एक बहुभिन्नरूपी घनत्व के मोड का सरल अनुमान । कनाडाई जर्नल ऑफ़ स्टैटिस्टिक्स 31: 23-34।
आशा है कि ये आपकी मदद करेगा।