R语言聚类算法之期望最大化聚类(Expectation Maximization Algorithm)
来源:互联网 发布:iphone手机助手软件 编辑:程序博客网 时间:2024/06/03 20:10
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)]
0 0
- R语言聚类算法之期望最大化聚类(Expectation Maximization Algorithm)
- <zz>EM(Expectation Maximization)期望最大化算法
- 期望极大算法:Expectation Maximization Algorithm
- Expectation Maximization-EM(期望最大化)-算法以及源码
- Expectation Maximization-EM(期望最大化)-算法以及源码
- EM算法(Expectation Maximization Algorithm )
- EM算法(expectation-maximization algorithm)
- EM算法(expectation-maximization algorithm)
- Expectation Maximization Algorithm(EM)算法
- EM算法学习(Expectation Maximization Algorithm)
- EM算法学习(Expectation Maximization Algorithm)
- EM算法(Expectation Maximization Algorithm)
- EM算法(Expectation Maximization Algorithm)详解
- Expectation Maximization(EM) algorithm
- EM (Expectation-Maximization) Algorithm
- Expectation–Maximization Algorithm
- maximum likelihood estimation( 极大似然估计 ) - 无完整数据的参数估计 --- Expectation Maximization ( 期望最大化 ) 算法
- 期望最大化算法(Expectation Maximum, EM)
- CT/MCT/RMCT算法的学习和实现
- BitTorrent P2P技术
- 01类、成员函数、对象
- Python开发-数据类型
- 安装Dubbo注册中心(Zookeeper-3.4.6)单个节点
- R语言聚类算法之期望最大化聚类(Expectation Maximization Algorithm)
- javascript基础(定时调用及其练习)(四十一)
- 【机器学习】tensorflow: GPU求解带核函数的SVM二分类支持向量机
- 58到家数据库30条军规解读
- Linux安装ElasticSearch
- java通信——单客户端与服务端通信
- 分析综合时出现Warning (12241): 1 hierarchies have connectivity warnings - see the Connectivity Checks repor
- DMG文件介绍及建立
- android 百度地图获取左上角和右下角的坐标