原文链接：http://tecdat.cn/?p=23825
简介
本文介绍了基于无限正态混合模型在 r 软件中的实现，用于基于模型的聚类、分类和密度估计。提供了通过 EM 算法对具备各种协方差构造的正态混合模型进行参数估计的函数，以及依据这些模型进行模仿的函数。此外，还包含将基于模型的分层聚类、混合散布预计的 EM 和贝叶斯信息准则（BIC）联合在一起的性能，用于聚类、密度估计和判别分析的综合策略。其余性能可用于显示和可视化拟合模型以及聚类、分类和密度估计后果。
聚类
head(X)pairs(X)
plot(BIC)
summary(BIC)
summary(mod1, parameters = TRUE)
plot(mod1)
table(class, classification)plot(mod1, what = "uncertainty")
clustICL(X)
summary(ICL)
BootstrapLRT(X)初始化
应用 EM 算法进行最大似然预计。EM 的初始化是应用从聚类层次结构聚类中取得的分区来进行的。
hclust(X, use = "SVD"))
clustBIC(X, initialization)) # 默认
hc2
clustBIC(X, initialization)
hclust(X, model= "EEE"))
summary(BIC3)
通过合并最佳后果来更新 BIC。
BIC(BIC1, BIC2, BIC3)
应用随机终点进行单变量拟合，通过创立随机会聚和合并最佳后果取得。
for(j in 1:20)
{
rBIC <- mclustBIC(initi))
BIC <- update(BIC, rBIC)
}
clust(ga, BIC)
分类
EDDA
X <- iris\[,1:4\]
head(X)
clustDA(X, class, "EDDA")
plot(mod2)
MclustDA
table(class)
head(X)
clustDA(X, class)
plot(mod3, 2)
plot(mod3, 3)
穿插验证误差
cv(mod2, nfold = 10)
unlist(cv\[3:4\])
cv(mod3, nf = 10)
unlist(cv\[3:4\])
密度估计
单变量
clust(acid)
plot(mod4, "BIC")
plot(mod4, "density", acidity)
plot(mod4, "diagnostic", "cdf")
多变量
clu(faithful)
summary(mod5)
plot(mod5, "BIC")
plot(mod5, "density",faithful)
Bootstrap 推理
summary(boot1, what = "se")
summary(boot1, what = "ci")
summary(boot4, what = "se")
plot(boot4)
降维
聚类
plot(mod1dr, "pairs")
plot(mod1dr)
plot(mod1dr, "scatterplot")
plot(mod1dr)
分类
summary(mod2dr)
plot(mod2d)
plot(mod2dr)
summary(mod3dr)
plot(mod3dr)
plot(mod3dr)
应用调色板
大多数图形都应用默认的色彩。
调色板能够定义并调配给上述选项，具体如下。
options("Colors" = Palette)
Pairs(iris\[,-5\], Species)
如果须要，用户能够很容易地定义本人的调色板。
参考文献
Fraley C. and Raftery A. E. (2002) Model-based clustering, discriminant analysis and density estimation, _Journal of the American Statistical Association_, 97/458, pp. 611-631.
最受欢迎的见解
1.R 语言多元 Logistic 逻辑回归 利用案例
2. 面板平滑转移回归 (PSTR) 剖析案例实现剖析案例实现 ”)
3.matlab 中的偏最小二乘回归（PLSR）和主成分回归（PCR）
4.R 语言泊松 Poisson 回归模型剖析案例
5.R 语言回归中的 Hosmer-Lemeshow 拟合优度测验
6.r 语言中对 LASSO 回归，Ridge 岭回归和 Elastic Net 模型实现
7. 在 R 语言中实现 Logistic 逻辑回归
8.python 用线性回归预测股票价格
9.R 语言如何在生存剖析与 Cox 回归中计算 IDI，NRI 指标