답변:
Corsario는 주석에서 좋은 솔루션을 제공합니다. 커널 밀도 함수를 사용하여 레벨 세트에 포함되는지 테스트하십시오.
이 질문에 대한 또 다른 해석은 데이터 에 대한 이변 량 정규 근사에 의해 생성 된 타원에 포함되는지 테스트하는 절차를 요청한다는 것 입니다. 시작하려면 질문의 그림처럼 보이는 데이터를 생성 해 보겠습니다.
library(mvtnorm) # References rmvnorm()
set.seed(17)
p <- rmvnorm(1000, c(250000, 20000), matrix(c(100000^2, 22000^2, 22000^2, 6000^2),2,2))
타원은 데이터의 첫 번째 순간과 두 번째 순간에 의해 결정됩니다.
center <- apply(p, 2, mean)
sigma <- cov(p)
이 수식 에는 분산 공분산 행렬의 반전이 필요합니다.
sigma.inv = solve(sigma, matrix(c(1,0,0,1),2,2))
타원 "높이"함수는 이변 량 정규 밀도 의 로그의 음수입니다 .
ellipse <- function(s,t) {u<-c(s,t)-center; u %*% sigma.inv %*% u / 2}
( 같은 추가 상수를 무시했습니다 .)
이것을 테스트하기 위해 윤곽선을 그려 봅시다. x 및 y 방향으로 점 그리드를 생성해야합니다.
n <- 50
x <- (0:(n-1)) * (500000/(n-1))
y <- (0:(n-1)) * (50000/(n-1))
이 그리드에서 높이 함수를 계산하고 플로팅하십시오.
z <- mapply(ellipse, as.vector(rep(x,n)), as.vector(outer(rep(0,n), y, `+`)))
plot(p, pch=20, xlim=c(0,500000), ylim=c(0,50000), xlab="Packets", ylab="Flows")
contour(x,y,matrix(z,n,n), levels=(0:10), col = terrain.colors(11), add=TRUE)
분명히 작동합니다. 따라서 점 이 레벨의 타원형 윤곽 안에 있는지 여부를 확인하는 테스트 는 다음과 같습니다.
ellipse(s,t) <= c
Mathematica 는 같은 방식으로 작업을 수행합니다. 데이터의 분산 공분산 행렬을 계산하고, 반전하고, ellipse
함수를 구성하면 모든 준비가 완료됩니다.
플롯은 R ellipse()
에 대한 mixtools
패키지 의 기능으로 간단합니다 .
library(mixtools)
library(mvtnorm)
set.seed(17)
p <- rmvnorm(1000, c(250000, 20000), matrix(c(100000^2, 22000^2, 22000^2, 6000^2),2,2))
plot(p, pch=20, xlim=c(0,500000), ylim=c(0,50000), xlab="Packets", ylab="Flows")
ellipse(mu=colMeans(p), sigma=cov(p), alpha = .05, npoints = 250, col="red")
Mathematica에서이 접근법을 시도 할 수 있습니다.
이변 량 데이터를 생성 해 봅시다 :
data = Table[RandomVariate[BinormalDistribution[{50, 50}, {5, 10}, .8]], {1000}];
그런 다음이 패키지를로드해야합니다.
Needs["MultivariateStatistics`"]
그리고 지금:
ellPar=EllipsoidQuantile[data, {0.9}]
90 % 신뢰 타원을 정의하는 출력을 제공합니다. 이 출력에서 얻은 값은 다음 형식입니다.
{Ellipsoid[{x1, x2}, {r1, r2}, {{d1, d2}, {d3, d4}}]}
x1 및 x2는 타원이 중심이되는 지점을 지정하고 r1 및 r2는 반축 반경을 지정하고 d1, d2, d3 및 d4는 정렬 방향을 지정합니다.
이것을 플롯 할 수도 있습니다.
Show[{ListPlot[data, PlotRange -> {{0, 100}, {0, 100}}, AspectRatio -> 1], Graphics[EllipsoidQuantile[data, 0.9]]}]
타원의 일반적인 파라 메트릭 형태는 다음과 같습니다.
ell[t_, xc_, yc_, a_, b_, angle_] := {xc + a Cos[t] Cos[angle] - b Sin[t] Sin[angle],
yc + a Cos[t] Sin[angle] + b Sin[t] Cos[angle]}
그리고 당신은 이런 식으로 그것을 그릴 수 있습니다 :
ParametricPlot[
ell[t, ellPar[[1, 1, 1]], ellPar[[1, 1, 2]], ellPar[[1, 2, 1]], ellPar[[1, 2, 2]],
ArcTan[ellPar[[1, 3, 1, 2]]/ellPar[[1, 3, 1, 1]]]], {t, 0, 2 \[Pi]},
PlotRange -> {{0, 100}, {0, 100}}]
순수한 기하 정보를 기반으로 검사를 수행 할 수 있습니다. 타원 중심 (ellPar [[1,1]])과 데이터 점 사이의 유클리드 거리가 타원 중심과 경계 사이의 거리보다 큰 경우 타원 (분명히 포인트가 위치한 방향과 동일)에 해당 데이터 포인트가 타원 외부에 있습니다.
이 방법은 원활한 커널 배포를 기반으로합니다.
다음은 데이터와 유사한 방식으로 배포 된 일부 데이터입니다.
data1 = RandomVariate[BinormalDistribution[{.3, .7}, {.2, .3}, .8], 500];
data2 = RandomVariate[BinormalDistribution[{.6, .3}, {.4, .15}, .8], 500];
data = Partition[Flatten[Join[{data1, data2}]], 2];
이러한 데이터 값에 대한 원활한 커널 분포를 얻습니다.
skd = SmoothKernelDistribution[data];
각 데이터 포인트에 대한 숫자 결과를 얻습니다.
eval = Table[{data[[i]], PDF[skd, data[[i]]]}, {i, Length[data]}];
임계 값을 수정하고이 임계 값보다 높은 모든 데이터를 선택합니다.
threshold = 1.2;
dataIn = Select[eval, #1[[2]] > threshold &][[All, 1]];
다음은 해당 지역을 벗어난 데이터를 얻습니다.
dataOut = Complement[data, dataIn];
이제 모든 데이터를 플로팅 할 수 있습니다.
Show[ContourPlot[Evaluate@PDF[skd, {x, y}], {x, 0, 1}, {y, 0, 1}, PlotRange -> {{0, 1}, {0, 1}}, PlotPoints -> 50],
ListPlot[dataIn, PlotStyle -> Darker[Green]],
ListPlot[dataOut, PlotStyle -> Red]]
녹색 점은 임계 값보다 높은 점이고 빨간색 점은 임계 값보다 낮은 점입니다.
/programming/2397097/how-can-a-data-ellipse-be-superimposed-on-a-ggplot2-scatterplot 에서 답을 찾았습니다.
#bootstrap
set.seed(101)
n <- 1000
x <- rnorm(n, mean=2)
y <- 1.5 + 0.4*x + rnorm(n)
df <- data.frame(x=x, y=y, group="A")
x <- rnorm(n, mean=2)
y <- 1.5*x + 0.4 + rnorm(n)
df <- rbind(df, data.frame(x=x, y=y, group="B"))
#calculating ellipses
library(ellipse)
df_ell <- data.frame()
for(g in levels(df$group)){
df_ell <- rbind(df_ell, cbind(as.data.frame(with(df[df$group==g,], ellipse(cor(x, y),
scale=c(sd(x),sd(y)),
centre=c(mean(x),mean(y))))),group=g))
}
#drawing
library(ggplot2)
p <- ggplot(data=df, aes(x=x, y=y,colour=group)) + geom_point(size=1.5, alpha=.6) +
geom_path(data=df_ell, aes(x=x, y=y,colour=group), size=1, linetype=2)