Gaussian Mixture Models แบบสองตัวแปรด้วย flexmix

Create Your Free Account

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Mixture Models ใน R

SkillTag.level.intermediateSkillTag.label

4.7+

บทนี้จะแนะนำแนวคิดพื้นฐานของการจัดกลุ่มแบบอิงโมเดล และความแตกต่างจากเทคนิคการจัดกลุ่มรูปแบบอื่น รวมถึงกระบวนการสร้างข้อมูลของ Gaussian Mixture Models และวิธีการแสดงผลกลุ่มด้วยภาพ

Exercise 1: การจัดกลุ่มแบบอิงโมเดล (Model-Based Clustering) เบื้องต้น Exercise 2: แนวทางการจัดกลุ่ม Exercise 3: สำรวจข้อมูลเพศ Exercise 4: การแจกแจงแบบเกาส์เซียน Exercise 5: การสุ่มตัวอย่างจากการแจกแจงแบบเกาส์เซียน Exercise 6: (การประมาณค่าเฉลี่ยและ sd ที่ยังไม่ดีพอ)Exercise 7: Gaussian Mixture Models (GMM)Exercise 8: จำลองการผสมของการแจกแจงแบบเกาส์เซียนสองตัว Exercise 9: พล็อตฮิสโตแกรมของ Gaussian Mixture Exercise 10: ส่วนผสมของการแจกแจงเกาส์เซียนสามตัว

บทนี้จะแนะนำโครงสร้างหลักของ Mixture Models วิธีนำไปใช้กับข้อมูลประเภทต่าง ๆ และวิธีประมาณค่าพารามิเตอร์ที่เกี่ยวข้อง โดยจะได้เรียนรู้วิธีการแบบวนซ้ำที่เรียกว่า Expectation-Maximization algorithm

Exercise 1: โครงสร้างของ Mixture Models Exercise 2: ควรใช้การแจกแจงความน่าจะเป็นแบบใด?Exercise 3: ชุดข้อมูลตัวเลขลายมือ Exercise 4: การประมาณค่าพารามิเตอร์Exercise 5: การประมาณค่าพารามิเตอร์เมื่อทราบความน่าจะเป็น Exercise 6: การคำนวณค่าความน่าจะเป็น Exercise 7: อัลกอริทึม EM Exercise 8: ฟังก์ชัน Expectation Exercise 9: ฟังก์ชัน Maximization Exercise 10: นำสองขั้นตอนมาใช้Exercise 11: พล็อตคลัสเตอร์ที่ประมาณได้

บทนี้แสดงวิธีฟิต Gaussian Mixture Models ในมิติที่ 1 และ 2 ด้วยแพ็กเกจ `flexmix` โดยใช้ชุดข้อมูลที่ประกอบด้วยข้อมูล 10,000 รายการของบุคคล ได้แก่ น้ำหนัก ส่วนสูง ดัชนีมวลกาย และเพศที่รายงาน

Exercise 1: Gaussian Mixture Models แบบตัวแปรเดียว Exercise 2: จำนวนคลัสเตอร์Exercise 3: จำนวนพารามิเตอร์Exercise 4: Gaussian Mixture Models แบบตัวแปรเดียวด้วย flexmix Exercise 5: กรณีตัวแปรเดียวด้วย flexmix Exercise 6: การดึงค่าพารามิเตอร์สำหรับกรณีตัวแปรเดียว Exercise 7: การแสดงภาพ Univariate Gaussian Mixture Model Exercise 8: เปรียบเทียบผลลัพธ์Exercise 9: โมเดลผสมเกาส์เซียนแบบสองตัวแปร Exercise 10: ค่า Cross-term จากเมทริกซ์โคแวเรียนซ์Exercise 11: พารามิเตอร์ในกรณีสองตัวแปร Exercise 12: Gaussian Mixture Models แบบสองตัวแปรด้วย flexmix

แบบฝึกหัดปัจจุบัน

Exercise 13: ฟิตโมเดลโดยรวม cross-term Exercise 14: ดึงค่าองค์ประกอบ Exercise 15: สร้างเส้นวงรี Exercise 16: แสดงภาพกลุ่มคลัสเตอร์

ในโมดูลนี้จะได้เรียนรู้ว่า Mixture Models ขยายไปรองรับการแจกแจงความน่าจะเป็นอื่นนอกจาก Gaussian ได้อย่างไร และวิธีฟิตโมเดลเหล่านี้ด้วย `flexmix` ชุดข้อมูลที่ใช้ ได้แก่ ภาพตัวเลขลายมือและจำนวนอาชญากรรมในเมืองชิคาโก สำหรับชุดข้อมูลแรกจะค้นหากลุ่มที่สรุปลักษณะของตัวเลขลายมือ และสำหรับชุดข้อมูลที่สองจะค้นหากลุ่มชุมชนที่มีระดับความปลอดภัยแตกต่างกัน

Exercise 1: Mixture Models แบบ Bernoulli Exercise 2: ภาพแบบไบนารี Exercise 3: ต้องประมาณค่ากี่ค่า?Exercise 4: Bernoulli Mixture Models ด้วย flexmix Exercise 5: ตัวเลขลายมือด้วย `flexmix`Exercise 6: Mixture Models แบบ Poisson Exercise 7: ค้นหาค่า Lambda Exercise 8: สุ่มตัวอย่างจากการแจกแจงแบบ Poisson Exercise 9: Poisson Mixture Models ด้วย flexmix Exercise 10: ข้อมูลอาชญากรรมด้วย `flexmix`