เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

พล็อตคลัสเตอร์ที่ประมาณได้

ถึงจุดนี้ คุณค้นพบคลัสเตอร์ทั้งสองในดาต้าเฟรม gaussian_sample แล้ว ในแบบฝึกหัดนี้ จะแสดงภาพว่าคลัสเตอร์ที่ประมาณได้ในการวนซ้ำครั้งที่ 10 เข้ากับข้อมูลได้อย่างไร โดยเวกเตอร์ means_iter10 และ props_iter10 ถูกบันทึกไว้ในสภาพแวดล้อมแล้ว

สำหรับขั้นตอนนี้ จะใช้ฟังก์ชัน stat_function() จากไลบรารี ggplot2 ซึ่งช่วยให้ซ้อนฟังก์ชันทับบนพล็อตที่มีอยู่ได้ โดยฟังก์ชันที่ใช้คือ fun_gaussian() ซึ่งรับค่าเฉลี่ยและสัดส่วนของการแจกแจงแบบเกาส์เซียนเป็นอาร์กิวเมนต์

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Mixture Models ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

พล็อตฮิสโตแกรมในโหมด density ของตัวแปร x จากนั้นเพิ่มเส้นโค้งที่ประมาณได้โดยใช้ stat_function() ร่วมกับฟังก์ชัน fun_gaussian()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

___ %>% 
  ggplot() + geom_histogram(aes(x = ___, y = ___), bins = 200) +
  stat_function(geom = "line", fun = fun_gaussian,
                args = list(mean = means_iter10[1], proportion = ___[1])) +
  stat_function(geom = "line", fun = fun_gaussian,
                args = list(mean = ___[2], proportion = props_iter10[2]))
แก้ไขและรันโค้ด