バイオリンプロット
概要
Violin Plot は、選択した 1 つの数値 Value の分布を推定し、必要に応じてグループに分けます。選択、カテゴリの識別、 有限値の行対応、列全体の正規化は Box Plot と共通です。カテゴリパラメータと Optuna で宣言された整数・刻み幅付きパラメータで グループ化できます。連続パラメータはグループ化もビン分割もしません。 分布メタデータがない数値 CSV パラメータは Value にのみ使用できます。
バイオリンはグループの位置を中心に密度曲線を左右対称に描きます。 四分位数だけでは見えない山、裾、歪み、多峰性を表します。
カーネル密度推定
各有限観測値はガウスカーネルを寄与します。 \hat f(x)=\frac{1}{nh}\sum_{i=1}^n K!\left(\frac{x-x_i}{h}\right), \qquad K(t)=\frac{e^{-t^2/2}}{\sqrt{2\pi}}
グリッドは、そのグループの観測最小値から 下側、最大値から 上側までの 128 点です。そのため密度曲線は観測範囲の外側にも伸びます。
バンド幅は Scott の公式の頑健版で自動計算します。
は母標準偏差で、IQR は type-7 四分位数を使います。 IQR がゼロでも なら広がりとして を使い、繰り返し値がある 非定数の標本も推定できます。有限値が 2 件未満、定数、バンド幅が非有限またはゼロの グループは除外し、全グループが除外された場合も件数と理由を表示します。
グループの有限値が 50,000 件を超える場合、ソートした標本から両端を残して 等間隔に 50,000 件を決定的に抽出します。KDE と中央値マーカーはこの標本を使います。
正規化と解釈
Normalize は、グループ分割前に選択 Value 列全体の有限値を [0,1] に変換します。 定数列はゼロになります。グループ別の正規化は行いません。 KDE と CSV のグリッド・密度値は変換後のスケールです。
各バイオリンの最大幅はグループの件数によらず同じです。ある Value での幅は そのバイオリンのピークに対する相対密度であり、試行数やグループ間で共通の 絶対密度スケールではありません。中央値マーカーは中心を示します。 グループごとにバンド幅が異なる場合があり、少ない標本で見える山は慎重に解釈してください。
- 山が 1 つなら 1 か所付近への集中、複数なら複数のモードを示唆します。
- 細く長い裾は、まれな値が分布を伸ばしていることを示します。
- 1 件だけのグループや定数グループは、架空の密度曲線を解釈せず Box Plot を使います。
- グループの差は記述的なもので、因果関係の証明ではありません。
参考文献
- Scott, D. W. (1979). On optimal and data-based histograms. Biometrika, 66(3), 605–610. https://doi.org/10.1093/biomet/66.3.605
- Silverman, B. W. (1986). Density Estimation for Statistics and Data Analysis. Chapman & Hall.
- Wand, M. P., & Jones, M. C. (1995). Kernel Smoothing. Chapman & Hall.