正規の 2 つの混合分布を持つ部品があります (以下の添付ファイルには、分布のタイプの 2 つの例が含まれています)。 配布の最初の部分に含まれるか、2 番目の部分に含まれるかに基づいて、その部分にラベルを付けたいと思います。 これを行う方法はありますか?
2 正規混合を近似すると、近似された分布が次のように定義されるように、mu1、mu2、sigma1、sigma2、p1、p2 が得られます。 F(x) = p1 * Normal Distribution(x, mu1, sigma1) + p2 * 正規分布(x、mu2、sigma2)。
密度関数は次のとおりです: f(x) = p1 * 法線密度(x, mu1, sigma1) + p2 * 法線密度(x, mu2, sigma2)。
ラベルを定義する 1 つのアプローチは、p1 * Normal Density(x, mu1, sigma1) と p2 * Normal Density(x, mu2, sigma2) を比較することです。 最初の値が大きい場合は 1 を割り当て、そうでない場合は 2 を割り当てます。
したがって、それを計算するための数式列を作成できます。
一方、そのアプローチは次のように実装されています。ライフディストリビューションの「フィットミクスチャー」 。 混合物をフィッティングした後、「予測の保存」を使用して、p1 * 正規密度(x, mu1, sigma1) および p2 * 正規密度(x, mu2, sigma2) を取得します。 そしてそれをどう扱うかはあなた次第です。 私が説明したような単純な比較を使用できます。 または、より洗練された方法で値を使用することもできます。
こんにちは@dkraeuter_sunne 、
見てみるといいですか通常の混合物クラスタリング？ 分布の類似性に基づいてポイントをグループ化したい場合、これは、意図していることに非常に適切で関連性がある可能性があります。
あなたが持っているディストリビューションのタイプを再現しようとしました:
[分析]、[クラスタリング]、[正規混合] に移動し、分布を Y、クラスタ数を 2 に指定すると、次の結果が得られます。
そこから、各クラスターに属する各点の確率を保存できます (赤い三角形のオプションで、分布の最初または 2 番目の部分に関するラベルを取得するには「クラスター式を保存」を、詳細については「混合確率を保存」を使用してください)クラスターの決定）。
正規混合クラスタリングに関する詳細と説明:教師なし機械学習のためのクラスタリング手法 (jmp.com)
私が作成して使用したおもちゃのデータセットを添付します。お役に立てれば幸いです。
ありがとう、 @Victor_Gその機能を知ってよかったです。 そして、クラスタリングにより、決定ルールが結果に直接組み込まれます。
