有限混合模型在应用于数据时很是有用，其中观察来自不一样的群体，而且群体隶属关系未知。 微信
首先，咱们将模拟一些数据。让咱们模拟两个正态分布 - 一个平均值为0，另外一个平均值为50，二者的标准差为5。app
m1 <- 0 m2 <- 50 sd1 <- sd2 <- 5 N1 <- 100 N2 <- 10 a <- rnorm(n=N1, mean=m1, sd=sd1) b <- rnorm(n=N2, mean=m2, sd=sd2)
如今让咱们将数据“混合”在一块儿......post
print(table(clusters(flexfit), data$class)) ## ## 1 2 ## 1 100 0 ## 2 0 10
参数怎么样？大数据
cat('pred:', c1[1], '\n')
cat('true:', m1, '\n\n')
cat('pred:', c1[2], '\n')
cat('true:', sd1, '\n\n')
cat('pred:', c2[1], '\n')
cat('true:', m2, '\n\n')
cat('pred:', c2[2], '\n')
cat('true:', sd2, '\n\n')
## pred: -0.5613484
## true: 0
##
## pred: 4.799484
## true: 5
##
## pred: 52.86911
## true: 50
##
## pred: 6.89413
## true: 5
让咱们可视化真实数据和咱们拟合的混合模型。flex
ggplot(data) +
geom_histogram(aes(x, ..density..), binwidth = 1, colour = "black", fill = "white") +
stat_function(geom = "line", fun = plot_mix_comps,
args = list(c1[1], c1[2], lam[1]/sum(lam)),
stat_function(geom = "line", fun = plot_mix_comps,
args = list(c2[1], c2[2], lam[2]/sum(lam)),
colour = "blue", lwd = 1.5) +
ylab("Density")
看起来咱们作得很好！ ui
如今，让咱们考虑一个花瓣宽度为鸢尾花的真实例子。 spa
p <- ggplot(iris, aes(x = Petal.Width)) + geom_histogram(aes(x = Petal.Width, ..density..), binwidth = 0.1, colour = "black", fill = "white") p
flexfit <- flexmix(Petal.Width ~ 1, data = iris, k = 3, model = list(mo1, mo2, mo3))
print(table(clusters(flexfit), iris$Species))
##
## setosa versicolor virginica
## 1 0 2 46
## 2 0 48 4
## 3 50 0 0
geom_histogram(aes(x = Petal.Width, ..density..), binwidth = 0.1, colour = "black", fill = "white") +
args = list(c1[1], c1[2], lam[1]/sum(lam)),
colour = "red", lwd = 1.5) +
stat_function(geom = "line", fun = plot_mix_comps,
args = list(c2[1], c2[2], lam[2]/sum(lam)),
stat_function(geom = "line", fun = plot_mix_comps,
args = list(c3[1], c3[2], lam[3]/sum(lam)),
colour = "green", lwd = 1.5) +
ylab("Density")
即便咱们不知道潜在的物种分配，咱们也可以对花瓣宽度的基本分布作出某些陈述 。3d
大数据部落 -中国专业的第三方数据服务提供商，提供定制化的一站式数据挖掘和统计分析咨询服务code
统计分析和数据挖掘咨询服务：y0.cn/teradat（咨询服务请联系官网客服）orm
QQ：3025393450
QQ交流群：186388004
【服务场景】
科研项目; 公司项目外包;线上线下一对一培训;数据爬虫采集;学术研究;报告撰写;市场调查。
【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询
欢迎选修咱们的R语言数据分析挖掘必知必会课程！