如何解决防止超体积计算进入 R 中的负特征空间
我目前正在使用 R (V. 4.0.2) 中的“超体积”包，根据四个连续的功能性状（植物高度、叶长、花长和果实长度）计算植物群的高斯 KDE 超体积。
因此，我在分析之前对特征数据进行了集中和缩放。我正在分析的四个特征的值的分布是右偏的，因此是非正态分布的。我没有对特征数据进行对数转换，因为极值对我的分析很重要，不应受到转换的限制。
对于实际的高斯 KDE 超体积计算，我决定使用 0.5 的固定带宽，因为这最能代表大多数方向上观察到的数据的超体积。
hv_list <- hypervolume_gaussian(data,samples.per.point = 100,kde.bandwidth = 0.5,verbose = FALSE)
plot(hv_list,random.points = FALSE,centroid = FALSE)
现在这里是超体积计算的问题：超体积的估计似乎适合更大的特征值。然而，超体积也被估计到负性状空间中，即随机点估计在自然界中不会出现的值，如负植物高度（见下图中的箭头）。
我尝试过 SVM 超体积计算，但这里也出现了负超体积的问题。此外，我对特征数据进行了 PCA 以尝试对数据的分布进行归一化。这有效，但我更喜欢使用原始特征作为超体积计算的输入变量。 此外，我尝试修剪/定义一个阈值，以切断负面特征值估计区域中的超体积。这不起作用，因为数据的偏度使超体积的质心接近于零。因此，严格的阈值会高度低估朝向更高特征值的超量。
我向社区提出的问题是：是否有可能以某种方式切断特征值负端的超容量？或者是否有可能从一开始就阻止将超体积计算到负特征空间中？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
