`flexmix`로 범죄 데이터 분석

매장 고객이 구매한 상품 수부터 트위터에서 사용자 그룹이 보인 상호작용 횟수까지, 곳곳에서 개수형 데이터(count data)를 접할 수 있어요. 비슷한 행동을 보이는 부분집단을 찾아 유용한 정보를 뽑아내는 일은 다양한 응용 분야에서 중요합니다. Poisson 혼합 모형(PMM)은 개수형 데이터를 군집화하는 데 편리한 도구예요.

이번 레슨의 목표는 다음과 같습니다. (1) 데이터셋을 탐색하고, (2) 통계적 기준을 사용해 군집 수를 선택하며 PMM을 적용하고, (3) 모형의 모수(파라미터)를 분석하고, (4) 범죄 수준에 따라 커뮤니티가 어떻게 묶이는지 살펴봅니다.

이 연습은 강의의 일부입니다

R로 배우는 Mixture Models

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Check the dimension
___(crimes)

# Check with glimpse
___(crimes)

# Transform into a matrix, without community
matrix_crimes <- crimes %>%
  select(-___) %>%  
  ___()

# Check the first values
___(matrix_crimes)

코드 편집 및 실행

이 연습은 강의의 일부입니다

R로 배우는 Mixture Models

SkillTag.level.intermediateSkillTag.label

4.7+

무료로 강의 시작하기

이 장에서는 모형 기반 클러스터링의 핵심 개념과 이 접근법이 다른 클러스터링 기법과 어떻게 다른지 소개합니다. 또한 Gaussian Mixture Model의 생성 과정을 배우고 클러스터를 시각화하는 방법을 익힙니다.

Exercise 1: 모형 기반 군집화 소개 Exercise 2: 군집화 접근 방식 Exercise 3: 성별 데이터 탐색 Exercise 4: 가우시안 분포 Exercise 5: 가우시안 분포에서 샘플링하기 Exercise 6: (그다지 좋지 않은) 평균과 표준편차의 추정 Exercise 7: Gaussian mixture models (GMM)Exercise 8: 두 개의 가우시안 분포가 섞인 모형 시뮬레이션 Exercise 9: 가우시안 혼합의 히스토그램 그리기 Exercise 10: 세 개의 가우시안 분포 혼합

이 장에서는 Mixture Models의 기본 구조, 이 접근법으로 서로 다른 데이터 유형을 다루는 방법, 그리고 관련 모수를 추정하는 방법을 배웁니다. 추정을 위해 반복적 방법인 Expectation-Maximization 알고리즘을 학습합니다.

Exercise 1: 혼합 모형의 구조 Exercise 2: 어떤 확률분포를 선택할까요?Exercise 3: 손글씨 숫자 데이터셋 Exercise 4: 모수 추정 Exercise 5: 확률이 주어졌을 때의 추정 Exercise 6: 확률 계산하기 Exercise 7: EM 알고리즘 Exercise 8: Expectation 함수 Exercise 9: 최대화 함수 Exercise 10: 두 단계를 적용해 봅시다 Exercise 11: 추정된 클러스터 시각화하기

이 장에서는 `flexmix` 패키지를 사용해 1차원과 2차원에서 Gaussian Mixture Models를 적합하는 방법을 다룹니다. 사용되는 데이터는 체중, 키, 체질량지수와 보고된 성별을 포함한 10,000명의 관측치로 구성됩니다.

Exercise 1: 단변량 가우시안 혼합 모델 Exercise 2: 클러스터 개수 Exercise 3: 모수의 개수 Exercise 4: flexmix를 사용한 단변량 가우시안 혼합 모델 Exercise 5: flexmix를 사용한 단변량 사례 Exercise 6: 단변량 사례의 모수 추출 Exercise 7: 일변량 가우시안 혼합 모델 시각화 Exercise 8: 결과 비교하기 Exercise 9: 이변량 가우시안 혼합 모형 Exercise 10: 공분산 행렬의 교차항 Exercise 11: 이변량 사례의 모수 Exercise 12: flexmix로 이변량 가우시안 혼합 모델 다루기 Exercise 13: 교차 항을 포함해 모델 적합하기 Exercise 14: 구성요소 가져오기 Exercise 15: 타원 그리기 Exercise 16: 클러스터 시각화하기

이 모듈에서는 Mixture Models가 Gaussian 이외의 확률분포로 어떻게 확장되는지와, 이러한 모형을 `flexmix`로 적합하는 방법을 배웁니다. 사용되는 데이터셋은 손글씨 숫자 이미지와 시카고시 범죄 건수입니다. 첫 번째 데이터셋에서는 손글씨 숫자를 요약하는 클러스터를 찾고, 두 번째 데이터셋에서는 상대적으로 더 위험하거나 덜 위험한 지역 공동체의 클러스터를 찾습니다.

Exercise 1: 베르누이 혼합 모형 Exercise 2: 이진 이미지 Exercise 3: 값은 몇 개인가요?Exercise 4: flexmix로 Bernoulli 혼합 모형 Exercise 5: `flexmix`로 손글씨 숫자 다루기 Exercise 6: 포아송 혼합 모형 Exercise 7: 람다 알아보기 Exercise 8: Poisson 분포에서 샘플 추출하기 Exercise 9: flexmix로 푸아송 혼합 모형 다루기 Exercise 10: `flexmix`로 범죄 데이터 분석

현재 연습