เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

KDE กับข้อมูลจำนวนมาก

โค้ดที่เตรียมไว้จะสร้าง KDE พื้นฐานของ percentage_over_limit สำหรับการอ้างอิง ทั้งหมด เมื่อดูเผิน ๆ การตั้งค่าดูสมเหตุสมผล เนื่องจากมีข้อมูลจำนวนมาก จึงกำหนด bin width ให้แคบ คือ เพียงหนึ่งเปอร์เซ็นต์ นอกจากนี้ rug plot ที่เพิ่มเข้ามาก็ตั้งค่า alpha ไว้ที่ 0.7

เมื่อรันโค้ดนี้ จะเห็นได้ทันทีว่ากราฟยังไม่ดีพอ การประมาณค่าความหนาแน่นดูขรุขระคล้ายเม่น และ rug plot กลายเป็นแถบสีดำทึบเพราะจุดข้อมูลทับซ้อนกันมากเกินไป

แก้ไขโดยเพิ่ม bin width เป็น 2.5 และลดค่า alpha ของ rug plot ลงเหลือ 0.05 เพื่อให้มองเห็นการทับซ้อนของจุดข้อมูลได้บ้าง อย่าลืมแก้ subtitle ให้สะท้อนการเปลี่ยนแปลง kernel width ด้วย

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

แนวทางปฏิบัติที่ดีที่สุดสำหรับการสร้างภาพข้อมูลใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เปลี่ยนค่าเบี่ยงเบนมาตรฐานของเคอร์เนลเป็น 2.5
  • ตั้งค่า alpha ของ rugplot เป็น 0.05
  • เปลี่ยน subtitle เป็น "Gaussian kernel SD = 2.5" เพื่อให้สอดคล้องกับ kernel width ที่เปลี่ยนไป

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

ggplot(md_speeding, aes(x = percentage_over_limit)) +
    # Increase bin width to 2.5
    geom_density(fill = 'steelblue', bw = 1,  alpha = 0.7) + 
    # lower rugplot alpha to 0.05
    geom_rug(alpha = 0.5) + 
    labs(
        title = 'Distribution of % over speed limit', 
        # modify subtitle to reflect change in kernel width
        subtitle = "Gaussian kernel SD = 1"
    )
แก้ไขและรันโค้ด