原文链接：http://tecdat.cn/?p=23825

本文介绍了基于有限正态混合模型在r软件中的实现，用于基于模型的聚类、分类和密度估计（点击文末“阅读原文”获取完整代码数据）。

简介

提供了通过EM算法对具有各种协方差结构的正态混合模型进行参数估计的函数，以及根据这些模型进行模拟的函数。此外，还包括将基于模型的分层聚类、混合分布估计的EM和贝叶斯信息准则（BIC）结合在一起的功能，用于聚类、密度估计和判别分析的综合策略。其他功能可用于显示和可视化拟合模型以及聚类、分类和密度估计结果。

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

使用EM算法进行最大似然估计。EM的初始化是使用从聚类层次结构聚类中获得的分区来进行的。

点击标题查阅往期内容

基于模型的聚类和R语言中的高斯混合模型

01

02

03

04

hclust(X, use = "SVD"))

clustBIC(X, initialization )) # 默认

hc2

clustBIC(X, initialization )

hclust(X, model= "EEE"))

summary(BIC3)

通过合并最佳结果来更新BIC。

BIC(BIC1, BIC2, BIC3)

使用随机起点进行单变量拟合，通过创建随机集聚和合并最佳结果获得。

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)

r语言有限正态混合模型EM算法的分层聚类、分类和密度估计及可视化（下）：https://developer.aliyun.com/article/1495338