Dane o przestępczości z `flexmix`
Dane zliczeniowe są wszechobecne – od liczby produktów kupowanych przez klientów w sklepie po liczbę interakcji użytkowników na Twitterze. Umiejętność wyodrębnienia wartościowych informacji w postaci subpopulacji o podobnym zachowaniu jest kluczowa w wielu zastosowaniach. Poissonowskie modele mieszane (PMM) to wygodne narzędzie do grupowania danych zliczeniowych.
Cele tej lekcji to: (1) eksploracja zbioru danych, (2) zastosowanie PMM z wykorzystaniem kryterium statystycznego do wyboru liczby skupień, (3) analiza parametrów modelu oraz (4) ilustracja tego, jak społeczności są grupowane w zależności od poziomu przestępczości.
To ćwiczenie jest częścią kursu
Modele mieszane w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Check the dimension
___(crimes)
# Check with glimpse
___(crimes)
# Transform into a matrix, without community
matrix_crimes <- crimes %>%
select(-___) %>%
___()
# Check the first values
___(matrix_crimes)