密度图或 KDE 图的目的是什么？

---

密度图

密度图，也称为核密度估计 (KDE) 图，是一种图形显示数据的方式，它显示了数据的概率密度函数 (PDF)。它用于可视化数据的分布并识别数据中的模式和趋势。

密度图的目的是为您提供数据底层分布的视觉表示。它可以帮助您理解数据的形状和分布，并识别任何异常值或离群值。它还可以用于比较多个变量或组的分布。

由于它们不受箱数的影响，因此密度图比直方图更具优势，因为它们更擅长识别分布的形状。例如，密度图包括正态分布曲线。

应用与解释

应用与解释：假设我们有一个包含 1000 位信用卡用户年龄的数据集。我们对年龄分布是如何分布感兴趣。

我们可以看到，下图中的峰值略高于 45。如果（桶的宽度为五年），我们将在直方图中发现值的集中在 45-50 范围内。但是，此密度图为我们提供了更精确的位置。还提供了连续分布的视图。

如何解读密度曲线

借助密度曲线，可以快速直观地了解特定数据集中值的分布，这些曲线存在于各种大小和形式中。它们在帮助我们可视化以下方面特别有用：

峰值数量

通过使用密度曲线，我们可以快速确定特定分布中“峰值”的数量。因为以上案例中的每个分布只有一个峰值，所以我们将这些分布归类为单峰分布。

但是，某些分布（称为双峰分布）可以有两个峰值。此外，有时可能存在具有两个或多个峰值的多峰分布。我们可以通过绘制数据集的密度曲线来快速确定分布中的峰值数量。

偏度

偏度是一个用于定义分布对称性的术语。我们可以从密度曲线中立即确定图形是左偏、右偏还是没有偏度。

均值和中位数的位置

根据密度曲线的偏度，我们可以快速确定特定分布中均值或中位数哪个更大。更具体地说

• 当密度曲线左偏时，均值小于中位数。

• 当密度曲线右偏时，均值大于中位数。

• 当密度曲线没有偏度时，均值和中位数相同。

密度曲线的特性

密度曲线的特性如下：

• 每次曲线下的面积加起来都等于 100%。

• 曲线永远不会偏离 x 轴。

• 当您为各种分布生成或评估密度曲线时，请记住这两个事实。

Kde 图

密度图，也称为核密度估计 (KDE) 图，是一种图形显示数据的方式，它显示了数据的概率密度函数 (PDF)。它用于可视化数据的分布并识别数据中的模式和趋势。

密度图的目的是为您提供数据底层分布的视觉表示。它可以帮助您理解数据的形状和分布，并识别任何异常值或离群值。它还可以用于比较多个变量或组的分布。

无论选择什么间隔长度，直方图（一叠矩形）总是看起来波浪起伏（再次想想砖块）。我们有时希望计算更平滑的估计，因为它可能更准确。我们可以稍微改变我们的策略来解决这个问题。

直方图技术将每个数据点转换为具有定义面积的矩形，然后将其放置在对应数据点的“附近”。如果我们可以在每个数据点上“倒一堆沙子”，然后观察沙子的堆积方式，而不是使用矩形，会怎么样呢？

结论

总之，密度图或 KDE 图是一种图形显示数据的方式，它显示了数据的概率密度函数。它用于可视化数据的分布并识别数据中的模式和趋势。密度图的目的是为您提供数据底层分布的视觉表示，并帮助您理解数据的形状和分布。它可以用于比较多个变量或组的分布，以及识别数据中的任何异常值或离群值。