शुरू करेंमुफ़्त में शुरू करें

अनुमानित क्लस्टर्स का प्लॉट करें

इस चरण पर, आपने डेटा फ़्रेम gaussian_sample में दो क्लस्टर खोज लिए हैं. इस अभ्यास में, आप देखेंगे कि iteration 10 के लिए अनुमानित क्लस्टर्स डेटा पर कैसे फिट होते हैं. वेक्टर means_iter10 और props_iter10 पहले से ही environment में सेव हैं.

इसके लिए, आप ggplot2 का फ़ंक्शन stat_function() इस्तेमाल करेंगे, जो किसी मौजूदा प्लॉट के ऊपर कोई फ़ंक्शन सुपरइम्पोज़ करने देता है. आप जिस फ़ंक्शन का उपयोग करेंगे, वह एक तैयार किया हुआ कर्व फ़ंक्शन fun_gaussian() है, जो mean और Gaussian की proportion को आर्ग्युमेंट्स के रूप में लेता है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Mixture Models

पाठ्यक्रम देखें

अभ्यास निर्देश

वैरिएबल x का histogram density मोड में प्लॉट करें और fun_gaussian() फ़ंक्शन के साथ stat_function() का उपयोग करके अनुमानित कर्व्स जोड़ें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

___ %>% 
  ggplot() + geom_histogram(aes(x = ___, y = ___), bins = 200) +
  stat_function(geom = "line", fun = fun_gaussian,
                args = list(mean = means_iter10[1], proportion = ___[1])) +
  stat_function(geom = "line", fun = fun_gaussian,
                args = list(mean = ___[2], proportion = props_iter10[2]))
कोड संपादित करें और चलाएँ