critband: A Python Package for Critical Bandwidth Analysis of Multimodal Distributions
critband：用于多峰分布临界带宽分析的 Python 包AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要介绍通用多峰密度分析软件，未直接研究分位数、治疗分布效应或其他所列细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
critband：用于多峰分布临界带宽分析的 Python 包
- 研究问题
- 如何在 Python 中提供完整的临界带宽工具，判断分布峰数，并兼顾多峰密度分析的数值稳定性、功能完整性和计算速度？
- 方法与思路
- 作者沿用 Silverman 核密度思路，以括区间峰数求解器搜索临界带宽，结合 FFT 加速，并提供多峰检测、成分分解及超额质量估计。
- 材料陈述的贡献
- 摘要报告十二类基准测试中清晰分离情形估计稳定、边界情形存在不稳定，且在所测设置下通常比 R 的 modetest 快三至十倍。
- 阅读关注点
- 应核对峰数判定和带宽搜索的数值容差、检测与检验的区别、边界样本表现，以及与 R 比较时参数、功能和运行环境是否一致。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；软件功能与速度均为摘要陈述，未提供完整基准环境，不能推广为普遍速度优势。
原文摘要
Multimodal density estimation is a fundamental problem in scientific computing. Determining the number of modes in a distribution is a core numerical challenge with applications across ecology, economics, genomics, and astronomy. While the R ecosystem provides mature tools through the multimode package, the Python ecosystem has lacked an equivalent cohesive implementation. We present critband, a Python package for critical bandwidth bimodality detection based on Silverman's kernel density approach. The package implements critical bandwidth search with a robust bracketed mode-count solver and FFT-accelerated KDE, and provides additional features including k-mode detection, component decomposition, bimodality strength quantification, and excess mass estimation. Validation against twelve benchmark cases spanning separation regimes, unequal variances, unequal weights, and small sample sizes shows stable estimates for clearly separated cases and expected instability for boundary cases. Performance benchmarks show critband is typically 3-10 times faster per case than R's modetest() in the tested setup.