Normale Zwei-MischungsverteilungskennzeichnungEs gibt Teile, die eine normale Zwei-Mischungs-Verteilung haben (ich habe im Anhang unten zwei Beispiele für die Art der Verteilungen eingefügt, die ich sehe). Ich möchte die Teile danach kennzeichnen, ob sie im ersten oder zweiten Teil der Distribution enthalten sind. Gibt es eine Möglichkeit, dies zu tun?
Grundlegende Datenanalyse und ModellierungWindowsBetreff: Normale Zwei-MischungsverteilungskennzeichnungNachdem Sie eine 2-Normal-Mischung angepasst haben, sollten Sie mu1, mu2, sigma1, sigma2, p1, p2 erhalten, sodass die angepasste Verteilung wie folgt definiert ist: F(x) = p1 * Normalverteilung(x, mu1, sigma1) + p2 * Normalverteilung(x, mu2, sigma2).
Die Dichtefunktion ist: f(x) = p1 * Normaldichte(x, mu1, sigma1) + p2 * Normaldichte(x, mu2, sigma2).
Ein Ansatz zum Definieren der Bezeichnung besteht darin, p1 * Normaldichte (x, mu1, sigma1) und p2 * Normaldichte (x, mu2, sigma2) zu vergleichen. Wenn der erste größer ist, weisen Sie 1 zu, andernfalls 2.
Daher können Sie eine Formelspalte erstellen, um dies zu berechnen.
Mittlerweile wurde dieser Ansatz umgesetzt Die „Fit-Mischung“ von Life Distribution . Nachdem Sie eine Mischung angepasst haben, verwenden Sie „Vorhersagen speichern“, um p1 * Normaldichte (x, mu1, sigma1) und p2 * Normaldichte (x, mu2, sigma2) zu erhalten. Und es liegt an Ihnen, wie Sie damit umgehen. Sie können einen einfachen Vergleich verwenden, wie ich ihn beschrieben habe. Oder Sie können die Werte auf anspruchsvollere Weise verwenden.
Betreff: Normale Zwei-MischungsverteilungskennzeichnungHallo @dkraeuter_sunne ,
Darf ich vorschlagen, einen Blick darauf zu werfen Normale Mischungen Clusterbildung? Dies kann für Ihre Absicht sehr geeignet und relevant sein, da Sie Punkte basierend auf der Verteilungsähnlichkeit gruppieren möchten.
Ich habe versucht, die Art der Verteilung zu reproduzieren, die Sie haben:
Wenn Sie zu „Analysieren“, „Clusterbildung“, „Normale Mischungen“ gehen und Ihre Verteilung als Y und die Anzahl der Cluster auf 2 angeben, finden Sie diese Ergebnisse:
Von dort aus können Sie die Wahrscheinlichkeiten jedes zu jedem Cluster gehörenden Punktes speichern (in den roten Dreiecksoptionen können Sie „Clusterformel speichern“ wählen, um die Bezeichnungen für den ersten oder zweiten Teil der Verteilung zu erhalten, und „Mischungswahrscheinlichkeiten speichern“, um weitere Details zu erhalten). der Cluster-Entscheidung).
Weitere Informationen und Erklärungen zum Clustering normaler Mischungen: Clustering-Methoden für unüberwachtes maschinelles Lernen (jmp.com)
Im Anhang finden Sie den Spielzeugdatensatz, den ich erstellt und verwendet habe. Ich hoffe, er wird Ihnen helfen.
Betreff: Normale Zwei-MischungsverteilungskennzeichnungDanke, @Victor_G Gut, diese Funktion zu kennen. Und das Clustering backt die Entscheidungsregel direkt im Ergebnis!
