일변량 가우시안 혼합 모델 시각화
모델을 fit_mix_example에 적합하고, 추정된 모수를 comp_1, comp_2, comp_3(그리고 proportions)로 추출해 두었으니, 이제 밀도 히스토그램과 함께 해당 클러스터들을 시각화해 보겠습니다.
이를 쉽게 하기 위해 환경에 fun_prop() 함수가 정의되어 있습니다. 이 함수는 dnorm처럼 가우시안 분포의 밀도 값을 제공하지만, 비율(proportions)도 함께 받아서 처리하도록 확장되어 있습니다.
이 연습은 강의의 일부입니다
R로 배우는 Mixture Models
연습 안내
- 밀도 히스토그램과 각 클러스터의 밀도를 함께 그리세요. 데이터 프레임 이름은
mix_example입니다. - 각 클러스터의 밀도 분포를 그리려면
fun인수에fun_prop를 지정해stat_function()함수를 사용하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
ggplot(___) + ___(aes(x = x, y = ..density..)) +
stat_function(geom = "line", fun = fun_prop,
args = list(mean = ___[1], sd = ___[2],
proportion = proportions[1])) +
stat_function(geom = "line", fun = fun_prop,
args = list(mean = comp_2[1], sd = comp_2[2],
proportion = ___[2]))+
stat_function(geom = "line", fun = ___,
args = list(mean = comp_3[1], sd = comp_3[2],
proportion = proportions[3]))