otHDR绘图

它是什么？

该项目实现了功能最高密度区域箱线图技术（Hyndman 和尚，2009 年）。

当您拥有功能数据（即一组曲线）时，您将需要回答一些问题，例如：

• 什么是模态曲线？
• 我可以画一个置信区间吗？
• 或者，是否有任何异常曲线？

这个模块允许你这样做：

import othdrplot
algo = othdrplot.ProcessHighDensityRegionAlgorithm(
    processSample, reducedComponents, reducedDistribution, [0.8, 0.5]
)
algo.run()
algo.drawOutlierTrajectories()
algo.draw()

输出如下图：

在给出多变量样本的情况下，HighDensityRegionAlgorithm 允许绘制密度与给定总体比例相关的区域。

import openturns
# Estimate the distribution
myks = ot.KernelSmoothing()
distribution = myks.build(sample)
# Create the HDR algorithm
algo = othdrplot.HighDensityRegionAlgorithm(sample, distribution)
algo.run()
algo.draw()

输出如下图：

如何安装？

要求

依赖项是：

• Python >= 2.7 或 >= 3.3
• numpy >= 0.10
• matplotlib >= 1.5.3
• 开环>= 1.16

安装

最好使用最新的python版本！

要从 pip 安装：

pip install othdrplot

从 github 安装：

git clone git@github.com:mbaudin47/othdrplot.git
cd othdrplot
python setup.py install

文档

高密度区域图简介中提供了对该算法的简短介绍。

例子

doc目录中提供了几个示例。

• 一个矩阵图示例
• HDRAlgorithm 2D 示例
• HDRAlgorithm 3D 示例
• 厄尔尼诺数据上的2D ProcessHDR
• 厄尔尼诺数据上的3D ProcessHDR
• 物流案例上的ProcessHDR
• 自由落体案例中的ProcessHDR

参考

• Rob J Hyndman 和韩林尚。功能数据的彩虹图、袋图和箱线图。计算和图形统计杂志，19:29-45，2009

算法

提供三个类：

• HighDensityRegionAlgorithm：一种绘制多元样本密度的算法。
• ProcessHighDensityRegionAlgorithm：一种计算和绘制多变量过程样本密度的算法。
• KarhunenLoeveDimensionReductionAlgorithm：使用 Karhunen-Loève 分解简化降维。

HighDensityRegionAlgorithm班级_

这是一种绘制多变量样本密度的算法。

• 计算与样本关联的最小水平集。
• 绘制所需的最小水平集和异常值。
• 根据 . 计算并绘制内点和异常值MatrixPlot。
• 主要成分是样品的分布，这是必需的。

估计这种分布的基本方法是核平滑，但也可以使用任何其他方法，例如高斯混合。

ProcessHighDensityRegionAlgorithm班级_

这是一种绘制过程样本密度的算法。

• 绘制物理空间中的轨迹。
• 基于 . 在缩减空间中绘制轨迹的投影HighDensityRegionAlgorithm。
• 主要成分是降维方法和在缩减空间中估计密度的方法。

在当前的实现中，可以在 Karhunen-Loeve 分解上提供降维（但可以使用其他方法）。估计缩减空间中的密度的方法可以是核平滑估计器或任何其他密度估计方法（例如高斯混合）。