有些部分具有正态两种混合分布（我在下面的附件中提供了两个分布类型的示例）。 我想根据它们是否包含在发行版的第一部分或第二部分中来标记这些部分。 有没有办法做到这一点？
拟合 2-正态混合后，您应该得到 mu1、mu2、sigma1、sigma2、p1、p2，这样拟合的分布定义为： F(x) = p1 * 正态分布(x, mu1, sigma1) + p2 * 正态分布（x、mu2、sigma2）。
密度函数为：f(x) = p1 * 法线密度(x, mu1, sigma1) + p2 * 法线密度(x, mu2, sigma2)。
定义标签的一种方法是比较 p1 * 正常密度(x, mu1, sigma1) 和 p2 * 正常密度(x, mu2, sigma2)。 如果第一个较大，则分配 1，否则分配 2。
因此，您可以创建一个公式列来计算它。
同时，该方法已在Life Distribution 的“Fit Mix” 。 拟合混合物后，使用“保存预测”获取 p1 * 法线密度(x, mu1, sigma1) 和 p2 * 法线密度(x, mu2, sigma2)。 如何处理取决于您。 您可以使用像我所描述的那样的简单比较。 或者您可以以更复杂的方式使用这些值。
你好@dkraeuter_sunne ,
我可以建议看一下吗普通混合物聚类？ 它可能非常适合并且与您打算做的事情相关，因为您希望根据分布相似性对点进行分组。
我尝试重现您拥有的发行版类型：
当您转到“分析”、“聚类”、“正态混合”并将分布指定为 Y 并将聚类数量指定为 2 时，您可以找到以下结果：
从那里，您可以保存属于每个聚类的每个点的概率（在红色三角形选项中，“保存聚类公式”以获取有关分布的第一部分或第二部分的标签，“保存混合概率”以获取有关的更多详细信息集群决策）。
有关正态混合物聚类的更多信息和说明：无监督机器学习的聚类方法 (jmp.com)
附件中您将找到我创建和使用的玩具数据集，希望它对您有所帮助。
谢谢， @Victor_G很高兴知道这个功能。 并且聚类直接在结果中烘焙决策规则！
