Maximierungsfunktion
Wir haben gesehen, dass der EM-Algorithmus eine iterative Methode mit zwei Schritten ist: Erwartung und Maximierung. In der letzten Übung hast du die Funktion expectation erstellt. Erstelle nun die Funktion maximization, die den Dataframe mit den Wahrscheinlichkeiten entgegennimmt und die Schätzungen der Mittelwerte und Anteile ausgibt.
Diese Übung ist Teil des Kurses
<Kurs>Mischungsmodelle in R</Kurs>Übungsanweisungen
Erstelle die Funktion maximization, indem du den Beispielcode vervollständigst.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
maximization <- function(___){
means_estimates <- data_with_probs %>%
summarise(mean_1 = sum(x * ___) / ___(prob_cluster1),
mean_2 = sum(x * ___) / ___(prob_cluster2)) %>%
as.numeric()
props_estimates <- data_with_probs %>%
summarise(proportion_1 = ___(prob_cluster1),
proportion_2 = 1 - ___) %>%
as.numeric()
list(means_estimates, props_estimates)
}