如何绘制两个密度分布之间的差异答案

【问题标题】：How to plot the difference between two density distributions如何绘制两个密度分布之间的差异
【发布时间】：2017-05-19 09:34:24
【问题描述】：

我已经训练了一个模型来预测某个变量。当我现在使用此模型来预测所述值并将此预测与实际值进行比较时，我得到以下两个分布。

对应的R Data Frame如下：

x_var | kind
3.532 | actual
4.676 | actual
...
3.12 | predicted
6.78 | predicted

这两个分布显然具有略微不同的均值、分位数等。我现在想做的是将这两个分布合并为一个（尤其是因为它们非常相似），但不像以下thread。

相反，我想绘制一个密度函数来显示实际值和预测值之间的差异，并让我能够说 例如50% 的预测值在实际值的 -X% 和 +Y% 范围内。

我尝试绘制predicted-actual 之间的差异以及与相应组的平均值相比的差异。然而，这两种方法都没有产生我想要的结果。对于绘制的分布，能够做出上述陈述尤为重要，即 50% 的预测在实际值的 -X% 和 +Y% 范围内。如何实现？

【问题讨论】：

【解决方案1】：

我们把这两个分布看成df_actual，df_predicted，然后计算

# dataframe with difference between two distributions
df_diff <- data.frame(x = df_predicted$x - df_actual$x, y = df_predicted$y - df_actual$y)

然后通过以下方式找到相对百分比差异：

x_diff = mean(( df_diff$x - df_actual$x) / df_actual $x) * 100
y_diff = mean(( df_diff$y - df_actual$y) / df_actual $y) * 100

这将为您提供 % 预测 x 和 y 是否为 +/-。这是我的看法，也请关注this thread 来显示和测量两条分布曲线之间的面积。

我希望这会有所帮助。

【讨论】：

我不明白它应该如何工作。如果进行了上述计算，df_diff 将只有两列 x 和 y 包含相同的值...
实际上，df_diff 将包含实际数据点和预测数据点之间的差异，即。 df_predicted$x - df_actual$x等等..
是的，但是因为我只能从predicted 中减去actual，所以x 和y 将包含相同的值。例如。我取3.823（我的第一个预测值），从中减去3.637（我的第一个实际值），因此得到0.186。我的 DF 然后看起来像 x | y 0.186 | 0.186 0.285 | 0.285
哦，明白了，我假设您的数据集具有不同的 x 和 y

【解决方案2】：

ParthChaudhary 是对的 - 您不是要减去分布，而是要分析差异的分布。但请注意减去相应对中的值，否则actual - predicted 的差异将被actual（和predicted）单独的方差所掩盖。即，如果你有类似的东西：

x y type
0 10.9 actual
1 15.7 actual
2 25.3 actual
...
0 10 predicted
1 17 predicted
2 23 predicted
...

你会merge(df[df$type=="actual",], df[df$type=="predicted",], by="x")，然后计算并绘制y.x-y.y。

【讨论】：

【解决方案3】：

为了更好地量化预测分布和实际分布之间的差异是否显着，您可以考虑使用 R 中的 Kolmogorov-Smirnov 检验，可通过函数 ks.test 获得

【讨论】：