Кластеры и кернель

[Yulia-Kl]

Не подскажете ли, можно ли использовать керн-сглаживание, если пространственная (двумерная) выборка сильно кластеризована? Зачем это надо - при помощи кернеля хотелось бы сгладить неравномерность внутри кластеров. То есть получить несколько bumps, а внутри них (95% доверительный контур) и выбрать из него точки равномерно.

[gamm]

Не подскажете ли, можно ли использовать керн-сглаживание, если пространственная (двумерная) выборка сильно кластеризована? Зачем это надо - при помощи кернеля хотелось бы сгладить неравномерность внутри кластеров. То есть получить несколько bumps, а внутри них (95% доверительный контур) и выбрать из него точки равномерно.

1) не очень понятно, чем вы собираетесь оценивать плотность - вариантов много, лучше использовать функцию kde() из пакета ks, в пакете есть автоматический выбор параметров ядра (kernel bandwidth), функция Hscv()

2) после получения плотности, если метод позволяет использовать веса, берут все данные с весами, обратно пропорциональными плотности. Если не позволяет, делают бутстрап с вероятностями, пропорциональными плотности.

[Yulia-Kl]

Ну, я использовала adehabitatHR с HCVS, который дает грид, который делится на области: 100 проц точек попало, 95и т.д.

Я родные точки я не брала вообще. Брала только из 95% области равномерную выборку - у меня получилось примерно через каждые 6 км одна точка.

Может быть просто рассчитать веса точек в кластерах в обратной зависимости от скученности? Не подскажите какой функцией? Не, наверное, не имеет смысла. Все-равно нужно в итоге буквально заменить точки с низким весом одной точкой - разрядить в пространстве. А у меня это и так получилось по результатам из кернеля....


Главный вопрос у меня даже был не как, а можно ли вообще кластеризованные выборки пространственных точек корректировать через кернель.

[Yulia-Kl]

Есть точки встреч вида - x,y. Точки в кластерах, расположены там, где удалось собрать, нерегулярно. Хотелось бы попробовать correct observational bias.

Я применила Kernel smoothing и из него home range - 95% дов интервал. Внутри хоум рендж взяла регулярно точки (через n-е количество км). Смущает другое - точки в кластерах, он и выдал мне пятна - можно сказать, что теперь данные Less bias?

[Игорь Черниенко]

А что представляют собой наблюдения -- это места, где наблюдали меченное животное? Или, допустим, места где встречали представителей вида?