Hay piezas que tienen una distribución normal de dos mezclas (he incluido dos ejemplos del tipo de distribuciones que veo en el archivo adjunto a continuación). Me gustaría etiquetar las partes según si están incluidas en la primera o segunda parte de la distribución. ¿Hay alguna forma de hacer esto?
Después de ajustar una mezcla 2 normal, debería obtener mu1, mu2, sigma1, sigma2, p1, p2, de modo que la distribución ajustada se defina como: F(x) = p1 * Distribución normal (x, mu1, sigma1) + p2 * Distribución normal (x, mu2, sigma2).
La función de Densidad es: f(x) = p1 * Densidad normal (x, mu1, sigma1) + p2 * Densidad normal (x, mu2, sigma2).
Un método para definir la etiqueta es comparar p1 * Densidad normal (x, mu1, sigma1) y p2 * Densidad normal (x, mu2, sigma2). Si el primero es mayor, asigna 1, en caso contrario, 2.
Por lo tanto, puede crear una columna de fórmula para calcular eso.
Mientras tanto, ese enfoque se ha implementado en La "mezcla Fit" de Life Distribution . Después de ajustar una mezcla, use "Guardar predicciones" para obtener p1 * Densidad normal (x, mu1, sigma1) y p2 * Densidad normal (x, mu2, sigma2). Y depende de ti cómo manejarlo. Puedes usar una comparación simple como la que describí. O puede utilizar los valores de formas más sofisticadas.
Hola @dkraeuter_sunne ,
¿Puedo sugerir echar un vistazo a Mezclas normales ¿agrupación? Puede ser muy apropiado y relevante para lo que pretende hacer, ya que le gustaría agrupar puntos según la similitud de distribución.
Intenté reproducir el tipo de distribución que tienes:
Cuando va a Analizar, Agrupación, Mezclas normales y especifica su distribución como Y y el número de agrupaciones a 2, puede encontrar estos resultados:
Desde allí, puede guardar las probabilidades de cada punto que pertenece a cada grupo (en las opciones del triángulo rojo, "guardar fórmula de grupo" para obtener las etiquetas sobre la primera o segunda parte de la distribución y "guardar probabilidades de mezcla" para tener más detalles sobre la decisión de grupo).
Más información y explicaciones sobre la agrupación de mezclas normales: Métodos de agrupación en clústeres para el aprendizaje automático no supervisado (jmp.com)
Adjunto encontrará el conjunto de datos de juguetes que creé y utilicé. Espero que le ayude.
Gracias, @Victor_G Es bueno saber esa función. ¡Y la agrupación integra la regla de decisión directamente en el resultado!
