有人知道如何在R中的ks包中使用kde运行四维或更大的问题吗

有人知道如何在R中的ks包中使用kde运行四维或更大的问题吗,r,statistics,kernel-density,R,Statistics,Kernel Density,我试图使用ks包中的kde函数获取四维数据集的kde,但没有成功。我正在运行以下代码: kde(m, h=delta, gridsize = n.grid) 其中m是nx4矩阵。我的数据集中有n个特征,有4个不同的变量。我试着用nx3矩阵运行这个函数,这个函数非常有效,返回了一个三维数组内核密度估计值。当我使用四维数据矩阵运行它时,它说我必须提供评估点(这很奇怪,因为文档中说我只需要在d>4时这样做) 因此,我最终创建了一个新的评估点矩阵,大小为n.grid x 4,其中n.grid的点与原始

我试图使用ks包中的
kde
函数获取四维数据集的kde,但没有成功。我正在运行以下代码:

kde(m, h=delta, gridsize = n.grid)
其中
m
nx4
矩阵。我的数据集中有n个特征,有4个不同的变量。我试着用
nx3
矩阵运行这个函数,这个函数非常有效,返回了一个三维数组内核密度估计值。当我使用四维数据矩阵运行它时,它说我必须提供评估点(这很奇怪,因为文档中说我只需要在d>4时这样做)

因此,我最终创建了一个新的评估点矩阵,大小为n.grid x 4,其中n.grid的点与原始数据矩阵m的间距相等。然而,当我运行它时,它返回给我一个一维的估计数组,而不是一个四维数组


有人知道如何在大于3的维度上正确运行kde吗

或者,是否有人知道一个更好的函数/包来解决四维或更高数据上的核密度估计?Omar,非常感谢您提到
ks
包。过去几天我一直在寻找这个功能。反过来,我可以为您提供
np
软件包,特别是
np::npudens
函数,也许这对您有更好的帮助。@Beasterfield感谢您指导我使用
np
软件包。这正是我所需要的,而且似乎正在发挥作用!