如何在R中自动确定众数数量并识别多个统计众数？

针对multimode::locmodes需要预先指定众数数量mod0的问题，有两种实用的程序化方法可以自动确定该参数：

方法1：基于带宽迭代的稳定众数计数法 #

核心思路是：核密度估计的带宽越小，越容易产生大量局部峰值；随着带宽增大，小峰值会逐渐合并，最终稳定到真实的众数数量。我们可以通过迭代调整带宽，直到众数数量连续多次保持一致，以此确定mod0。

代码实现 #

library(multimode)

# 示例数据
set.seed(123)
x <- c(rnorm(250, 0.125, 0.03), rnorm(25, 0.85, 0.05), rnorm(200, 1.24, 0.02))

# 自动计算mod0的函数
auto_mod0 <- function(x, start_bw = 0.01, step = 0.005, tolerance = 3) {
  current_bw <- start_bw
  stable_count <- 0
  last_mode_num <- NA
  
  while (stable_count < tolerance) {
    # 计算当前带宽下的核密度
    dens <- density(x, bw = current_bw)
    # 识别密度曲线的局部峰值（众数）数量
    peak_indices <- which(diff(sign(diff(dens$y))) == -2) + 1
    current_mode_num <- length(peak_indices)
    
    # 检查数量是否稳定
    if (!is.na(last_mode_num) && current_mode_num == last_mode_num) {
      stable_count <- stable_count + 1
    } else {
      stable_count <- 0
    }
    
    last_mode_num <- current_mode_num
    current_bw <- current_bw + step
  }
  
  return(last_mode_num)
}

# 获取自动确定的mod0
mod0_auto <- auto_mod0(x)
cat("自动确定的mod0值：", mod0_auto, "\n")

# 调用locmodes
mm <- multimode::locmodes(x, mod0 = mod0_auto)
mm

逻辑说明 #

• 从较小的起始带宽开始，逐步增加带宽步长
• 每次计算当前带宽下密度曲线的局部峰值数量
• 当连续tolerance次峰值数量不变时，认为这是稳定的真实众数数量，返回作为mod0

方法2：逐步尝试mod0值验证法 #

直接从1开始尝试不同的mod0值，直到locmodes返回的众数数量与设定值一致，以此确定合理的mod0。

代码实现 #

find_mod0 <- function(x, max_mod = 10) {
  for (mod in 1:max_mod) {
    # 尝试调用locmodes，捕获可能的错误（比如mod0过大）
    result <- tryCatch(
      multimode::locmodes(x, mod0 = mod),
      error = function(e) NULL
    )
    # 验证返回的众数数量是否等于设定值
    if (!is.null(result) && length(result$modes) == mod) {
      return(mod)
    }
  }
  # 如果超过max_mod仍未找到，默认返回1
  return(1)
}

mod0_auto2 <- find_mod0(x)
cat("自动确定的mod0值：", mod0_auto2, "\n")

# 调用locmodes
mm2 <- multimode::locmodes(x, mod0 = mod0_auto2)
mm2

注意事项 #

• 可以根据数据分布调整max_mod的上限，避免不必要的循环
• 该方法依赖locmodes的返回结果验证，对于噪声较大的数据可能需要额外过滤虚假峰值

内容的提问来源于stack exchange，提问作者nightstand