Cómo ajustar el modelo de mezcla para la agrupación


15

Tengo dos variables: X e Y, y necesito hacer que el clúster sea máximo (y óptimo) = 5. La gráfica ideal de variables es la siguiente:

ingrese la descripción de la imagen aquí

Me gustaría hacer 5 grupos de esto. Algo como esto:

ingrese la descripción de la imagen aquí

Por lo tanto, creo que este es un modelo de mezcla con 5 grupos. Cada grupo tiene un punto central y un círculo de confianza a su alrededor.

Los grupos no siempre son bonitos de esta manera, se ven de la siguiente manera, en algún momento dos grupos están muy juntos o faltan uno o dos grupos.

ingrese la descripción de la imagen aquí

ingrese la descripción de la imagen aquí

¿Cómo se puede adaptar el modelo de mezcla y realizar la clasificación (agrupamiento) en esta situación de manera efectiva?

Ejemplo:

set.seed(1234)
X <- c(rnorm(200, 10, 3), rnorm(200, 25,3),
        rnorm(200,35,3), rnorm(200,65, 3), rnorm(200,80,5))
Y <- c(rnorm(1000, 30, 2))
plot(X,Y, ylim = c(10, 60), pch = 19, col = "gray40")

Respuestas:


13

Aquí hay un script para usar el modelo de mezcla usando mcluster.

X <- c(rnorm(200, 10, 3), rnorm(200, 25,3), rnorm(200,35,3), rnorm(200,65, 3), rnorm(200,80,5))
Y <- c(rnorm(1000, 30, 2))
plot(X,Y, ylim = c(10, 60), pch = 19, col = "gray40")

require(mclust)
xyMclust <- Mclust(data.frame (X,Y))
plot(xyMclust)

ingrese la descripción de la imagen aquí ingrese la descripción de la imagen aquí

En una situación donde hay menos de 5 grupos:

X1 <- c(rnorm(200, 10, 3), rnorm(200, 25,3), rnorm(200,35,3),  rnorm(200,80,5))
Y1 <- c(rnorm(800, 30, 2))
xyMclust <- Mclust(data.frame (X1,Y1))
plot(xyMclust)

ingrese la descripción de la imagen aquí

 xyMclust4 <- Mclust(data.frame (X1,Y1), G=3)
plot(xyMclust4)

ingrese la descripción de la imagen aquí

En este caso estamos ajustando 3 grupos. ¿Qué pasa si encajamos 5 grupos?

xyMclust4 <- Mclust(data.frame (X1,Y1), G=5)
plot(xyMclust4)

Se puede forzar a hacer 5 grupos.

ingrese la descripción de la imagen aquí

También introduzcamos algo de ruido aleatorio:

X2 <- c(rnorm(200, 10, 3), rnorm(200, 25,3), rnorm(200,35,3),  rnorm(200,80,5), runif(50,1,100 ))
Y2 <- c(rnorm(850, 30, 2))
xyMclust1 <- Mclust(data.frame (X2,Y2))
plot(xyMclust1)

mclustpermite la agrupación basada en modelos con ruido, es decir, observaciones periféricas que no pertenecen a ningún grupo. mclustpermite especificar una distribución previa para regularizar el ajuste a los datos. Se priorControlproporciona una función en mclust para especificar el previo y sus parámetros. Cuando se llama con sus valores predeterminados, invoca otra función llamada defaultPriorque puede servir como plantilla para especificar alternativas anteriores. Para incluir el ruido en el modelado, se debe proporcionar una estimación inicial de las observaciones de ruido a través del componente de ruido del argumento de inicialización en Mclusto mclustBIC.

ingrese la descripción de la imagen aquí

La otra alternativa sería usar un mixtools paquete que le permita especificar la media y la sigma para cada componente.

X2 <- c(rnorm(200, 10, 3), rnorm(200, 25,3), rnorm(200,35,3),
    rnorm(200,80,5), rpois(50,30))
Y2 <- c(rnorm(800, 30, 2), rpois(50,30))
df <- cbind (X2, Y2)
require(mixtools)
out <- mvnormalmixEM(df, lambda = NULL, mu = NULL, sigma = NULL,
   k = 5,arbmean = TRUE, arbvar = TRUE, epsilon = 1e-08,  maxit = 10000, verb = FALSE)
plot(out, density = TRUE, alpha = c(0.01, 0.05, 0.10, 0.12, 0.15),  marginal = TRUE)

ingrese la descripción de la imagen aquí


2
+1 Esta respuesta es muy útil, utilizable y sucinta, y un ejemplo perfecto de cómo es casi demasiado fácil hacer cosas como esta en R sin siquiera saber las matemáticas detrás de esto ...
Paul

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.