R语言聚类算法之期望最大化聚类(Expectation Maximization Algorithm)
2017-05-08 00:00
211 查看
1.原理解析:
它将数据集看作一个含有隐性变量的概率模型,并以实现模型最优化,即获取与数据本身性质最契合的聚类方式为目的,通过”反复估计”模型参数找到最优解,同时给出相应的最优类别k.而”反复估计”的过程即是EM算法的精华所在,这一过程由E-step(Expectation)和M-step(Maximization)两个步骤交替进行来实现。
2.在R语言中的应用
期望最大化聚类主要运用到了mclust包里的Mclust函数。
Mclust(data,G=NULL,modelNames=NULL,prior=NULL,control=emControl(),initialization=NULL,warn=FALSE,…)
3.以iris数据集为例进行分析
1)应用模型并查看模型的相应参数
fit_EM=Mclust(iris[,-5])
fit_EM[1:length(fit_EM)]
它将数据集看作一个含有隐性变量的概率模型,并以实现模型最优化,即获取与数据本身性质最契合的聚类方式为目的,通过”反复估计”模型参数找到最优解,同时给出相应的最优类别k.而”反复估计”的过程即是EM算法的精华所在,这一过程由E-step(Expectation)和M-step(Maximization)两个步骤交替进行来实现。
2.在R语言中的应用
期望最大化聚类主要运用到了mclust包里的Mclust函数。
Mclust(data,G=NULL,modelNames=NULL,prior=NULL,control=emControl(),initialization=NULL,warn=FALSE,…)
3.以iris数据集为例进行分析
1)应用模型并查看模型的相应参数
fit_EM=Mclust(iris[,-5])
fit_EM[1:length(fit_EM)]
相关文章推荐
- R语言聚类算法之期望最大化聚类(Expectation Maximization Algorithm)
- 期望极大算法:Expectation Maximization Algorithm
- EM算法(Expectation Maximization Algorithm)
- EM算法学习(Expectation Maximization Algorithm)
- What is the expectation maximization algorithm?
- 期望最大化算法(The EM algorithm)
- The EM(Expectation–Maximization) Algorithm 详解
- EM算法(Expectation Maximization Algorithm)
- EM算法(Expectation - Maximization)通俗实例(What is the expectation maximization algorithm?)
- The EM(Expectation–Maximization) Algorithm 详解
- R语言聚类算法之系谱聚类(Hierarchical Method)
- R语言聚类算法之密度聚类(Density-based Methods)
- EM(期望最大化)聚类详细推导
- EM (Expectation-Maximization) Algorithm
- Expectation Maximization Algorithm(EM)算法
- EM算法(Expectation Maximization Algorithm)详解
- Expectation Maximization Algorithm---opencv2.4.11
- R语言聚类算法之密度聚类(Density-based Methods)
- 【the EM algorithm】期望最大化
- EM算法(expectation maximization algorithm)