Certaines pièces ont une distribution normale à deux mélanges (j'ai inclus deux exemples du type de distribution que je vois dans la pièce jointe ci-dessous). Je voudrais étiqueter les parties selon qu'elles sont incluses dans la première ou la deuxième partie de la distribution. Y a-t-il un moyen de faire cela?
Après avoir ajusté un mélange à 2 normales, vous devriez obtenir mu1, mu2, sigma1, sigma2, p1, p2, de telle sorte que la distribution ajustée soit définie comme : F(x) = p1 * Distribution normale (x, mu1, sigma1) + p2 * Distribution normale (x, mu2, sigma2).
La fonction Densité est la suivante : f(x) = p1 * Densité normale (x, mu1, sigma1) + p2 * Densité normale (x, mu2, sigma2).
Une approche pour définir l'étiquette consiste à comparer p1 * Densité normale (x, mu1, sigma1) et p2 * Densité normale (x, mu2, sigma2). Si le premier est plus grand, attribuez-en 1, sinon 2.
Par conséquent, vous pouvez créer une colonne de formule pour calculer cela.
Entre-temps, cette approche a été mise en œuvre dans Le "Fit Mixture" de Life Distribution . Après avoir ajusté un mélange, utilisez « Enregistrer les prévisions » pour obtenir les valeurs p1 * Densité normale (x, mu1, sigma1) et p2 * Densité normale (x, mu2, sigma2). Et c'est à vous de décider comment le gérer. Vous pouvez utiliser une comparaison simple comme celle que j'ai décrite. Vous pouvez également utiliser les valeurs de manière plus sophistiquée.
Salut @dkraeuter_sunne ,
Puis-je suggérer de jeter un oeil à Mélanges normaux regroupement ? Cela peut être très approprié et pertinent pour ce que vous comptez faire, car vous souhaitez regrouper les points en fonction de la similarité de la répartition.
J'ai essayé de reproduire le type de distribution que vous avez :
Lorsque vous allez dans Analyser, Clustering, Mélanges normaux et spécifiez votre distribution sur Y et le nombre de clusters sur 2, vous pouvez trouver ces résultats :
A partir de là, vous pouvez sauvegarder les probabilités de chaque point appartenant à chaque cluster (dans les options du triangle rouge, "enregistrer la formule du cluster" pour obtenir les étiquettes sur la première ou la deuxième partie de la distribution et "enregistrer les probabilités de mélange" pour avoir plus de détails sur la décision de cluster).
Plus d'infos et d'explications sur le clustering des mélanges normaux : Méthodes de clustering pour l'apprentissage automatique non supervisé (jmp.com)
Vous trouverez ci-joint l'ensemble de données sur les jouets que j'ai créé et utilisé, j'espère qu'il vous aidera.
Merci, @Victor_G C'est bon de connaître cette fonction. Et le clustering intègre la règle de décision directement dans le résultat !
