r语言有限正态混合模型EM算法的分层聚类、分类和密度估计及可视化

最近我们被客户要求撰写关于有限正态混合模型的研究报告,包括一些图形和统计输出。

 【视频】KMEANS均值聚类和层次聚类:R语言分析生活幸福质量系数可视化实例

KMEANS均值聚类和层次聚类:R语言分析生活幸福质量系数可视化实例

,时长06:05

简介

本文介绍了基于有限正态混合模型在r软件中的实现,用于基于模型的聚类、分类和密度估计。提供了通过EM算法对具有各种协方差结构的正态混合模型进行参数估计的函数,以及根据这些模型进行模拟的函数。此外,还包括将基于模型的分层聚类、混合分布估计的EM和贝叶斯信息准则(BIC)结合在一起的功能,用于聚类、密度估计和判别分析的综合策略。其他功能可用于显示和可视化拟合模型以及聚类、分类和密度估计结果。

聚类


head(X)
 

pairs(X)

​
plot(BIC)

​

​

summary(BIC)

summary(mod1, parameters = TRUE)

 

 

plot(mod1)
 

table(class, classification)
​
 


plot(mod1, what = "uncertainty")

clustICL(X)
summary(ICL)
 

​

BootstrapLRT(X)

 

初始化

使用EM算法进行最大似然估计。EM的初始化是使用从聚类层次结构聚类中获得的分区来进行的。

​
 hclust(X, use = "SVD"))

clustBIC(X, initialization )) # 默认

 

hc2 

clustBIC(X, initialization )

 

hclust(X, model= "EEE"))

 


summary(BIC3)

 

通过合并最佳结果来更新BIC。

BIC(BIC1, BIC2, BIC3)

 


使用随机起点进行单变量拟合,通过创建随机集聚和合并最佳结果获得。


for(j in 1:20)
{
  rBIC <- mclustBIC(
                    initi ))
  BIC <- update(BIC, rBIC)
}
 

​
clust(ga, BIC)

 

分类

EDDA

X <- iris[,1:4]
head(X)

clustDA(X, class,  "EDDA")


plot(mod2)
​

MclustDA

​

table(class)

head(X)

clustDA(X, class)


plot(mod3, 2)

​

 

​

plot(mod3, 3)
​
 

交叉验证误差

​
cv(mod2, nfold = 10)


unlist(cv[3:4])

 

cv(mod3, nf = 10)

 


unlist(cv[3:4])

密度估计

单变量

clust(acid)

 


plot(mod4, "BIC")
​

 

plot(mod4,  "density", acidity)
 

​

plot(mod4, "diagnostic",  "cdf")
​
 

多变量

clu(faithful)
summary(mod5)


plot(mod5, "BIC")
​

 

​
 

plot(mod5, "density",faithful)
 

​

 

Bootstrap推理

​
summary(boot1, what = "se")

 

 

summary(boot1, what = "ci")

 

 


summary(boot4, what = "se")

plot(boot4)
​
 

降维

聚类

​

plot(mod1dr,  "pairs")
​

 

plot(mod1dr)

plot(mod1dr, "scatterplot")

plot(mod1dr)

分类

​

summary(mod2dr)

plot(mod2d)
​

 

plot(mod2dr)
 

​

summary(mod3dr)

plot(mod3dr)
​

plot(mod3dr)
 

​

使用调色板

大多数图形都使用默认的颜色。

调色板可以定义并分配给上述选项,具体如下。

options("Colors" = Palette )
Pairs(iris[,-5], Species)

​

 


如果需要,用户可以很容易地定义自己的调色板。

参考文献

Fraley C. and Raftery A. E. (2002) Model-based clustering, discriminant analysis and density estimation, Journal of the American Statistical Association, 97/458, pp. 611-631.


  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值