일반적인 두 혼합 분포를 갖는 부품이 있습니다(아래 첨부 파일에 표시되는 분포 유형의 두 가지 예가 포함되어 있습니다). 배포판의 첫 번째 부분에 포함되는지 두 번째 부분에 포함되는지에 따라 해당 부분에 라벨을 붙이고 싶습니다. 이를 수행할 수 있는 방법이 있습니까?
2-정규 혼합을 적합시킨 후에는 적합 분포가 다음과 같이 정의되도록 mu1, mu2, sigma1, sigma2, p1, p2를 얻어야 합니다. F(x) = p1 * 정규 분포(x, mu1, sigma1) + p2 * 정규분포(x, mu2, sigma2).
밀도 함수는 다음과 같습니다. f(x) = p1 * 정규 밀도(x, mu1, sigma1) + p2 * 정규 밀도(x, mu2, sigma2).
레이블을 정의하는 한 가지 접근 방식은 p1 * Normal Density(x, mu1, sigma1)와 p2 * Normal Density(x, mu2, sigma2)를 비교하는 것입니다. 첫 번째 것이 더 크면 1을 할당하고, 그렇지 않으면 2를 할당합니다.
따라서 수식 열을 만들어 이를 계산할 수 있습니다.
한편, 이러한 접근 방식은 다음에서 구현되었습니다. 라이프디스트리뷰션의 "핏믹스" . 혼합물을 맞춘 후 "예측 저장"을 사용하여 p1 * 정규 밀도(x, mu1, sigma1) 및 p2 * 정규 밀도(x, mu2, sigma2)를 가져옵니다. 그리고 그것을 처리하는 방법은 당신에게 달려 있습니다. 내가 설명한 것과 같은 간단한 비교를 사용할 수 있습니다. 또는 보다 정교한 방법으로 값을 사용할 수 있습니다.
안녕 @dkreuter_sunne ,
한 번 보도록 제안해도 될까요? 일반 혼합물 클러스터링? 분포 유사성을 기준으로 포인트를 그룹화하려고 하므로 이는 수행하려는 작업에 매우 적절하고 관련성이 있을 수 있습니다.
나는 당신이 가지고 있는 배포 유형을 재현하려고 노력했습니다.
분석, 군집화, 정규 혼합물로 이동하여 분포를 Y로 지정하고 군집 수를 2로 지정하면 다음 결과를 찾을 수 있습니다.
여기에서 각 클러스터에 속하는 각 포인트의 확률을 저장할 수 있습니다(빨간색 삼각형 옵션에서 "클러스터 수식 저장"을 통해 분포의 첫 번째 또는 두 번째 부분에 대한 레이블을 얻고 "혼합 확률 저장"을 통해 자세한 내용을 확인할 수 있습니다). 클러스터 결정).
일반 혼합물 클러스터링에 대한 추가 정보 및 설명: 비지도 기계 학습을 위한 클러스터링 방법(jmp.com)
첨부된 파일에는 제가 만들고 사용한 장난감 데이터세트가 있습니다. 도움이 되기를 바랍니다.
감사해요, @Victor_G 그 기능을 알게 되어 좋네요. 그리고 클러스터링은 결과에 직접 결정 규칙을 적용합니다!
