단변량 사례의 모수 추출

이전 연습 문제에서 flexmix로 단변량 가우시안 혼합 모델을 적합하고, 결과를 fit_mix_example 객체에 저장했어요. 이 모듈의 목표는 추정된 모수를 추출해 결과를 분석하는 것입니다.

이 연습은 강의의 일부입니다

R로 배우는 Mixture Models

연습 안내

각 클러스터의 비율을 얻으려면 prior() 함수를 사용하세요.
각 구성 요소의 모수를 얻으려면 parameters() 함수와 해당 인수를 사용하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

proportions <- ___(fit_mix_example)
comp_1 <- parameters(___, component = ___)
comp_2 <- parameters(___, component = ___)
comp_3 <- parameters(___, component = ___)

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

현재 연습

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