flexmix ile tek değişkenli Gaussian karışım modelleri

R ile Karışım Modelleri

Victor Medina

Researcher at The University of Edinburgh

gender %>% 
  ggplot(aes(x = Weight)) + geom_histogram(bins = 100)

Karışım modelleriyle modelleme

Uygun olasılık dağılımı hangisi?
- Tek değişkenli Gaussian dağılımlar
Kaç alt popülasyon düşünmeliyiz?
- 2 küme
Parametreler ve kestirimleri neler?
- ortalamalar, standart sapmalar ve oranlar için flexmix içinde EM algoritması

flexmix fonksiyonu

flexmix(formula, data, k, model, control, ...)

formula: kurulacak modelin tanımı ($variable \sim 1$)
data: veri çerçevesi
k: küme sayısı
model: dağılımı belirtir (FLXMCnorm1, FLXMCmvnorm, FLXMCmvbinary, FLXMRglm, FLXMCmvpois)
control: maksimum iterasyon sayısı, tolerans vb.

fit_mixture <- flexmix(Weight ~ 1, # ortalama ve sd sabit
                data = gender, # veri çerçevesi
                k = 2, # küme sayısı
                model = FLXMCnorm1(), # tek değişkenli Gaussian    
                control = list(tol = 1e-15, # EM durma toleransı
                               verbose = 1, # ara sonuçları göster
                               iter = 1e4)) # maksimum iterasyon

Classification: weighted 
   1 Log-likelihood :  -48880.0782 
   2 Log-likelihood :  -48880.0745 
   3 Log-likelihood :  -48880.0732 
   4 Log-likelihood :  -48880.0727
   .    .   .   .   .   .   .   .
3454 Log-likelihood :  -48518.3717 
3455 Log-likelihood :  -48518.3717 
3456 Log-likelihood :  -48518.3717 
3457 Log-likelihood :  -48518.3717 
converged

Oranlar: prior fonksiyonu

proportions <- prior(fit_mixture)
proportions

0.4929668 0.5070332

Her iki dağılım

parameters(fit_mixture)

                    Comp.1    Comp.2
coef.(Intercept) 135.54652 186.61583
sigma             18.94726  19.96097

Her biri ayrı ayrı

comp_1 <- parameters(fit_mixture, component = 1)
comp_2 <- parameters(fit_mixture, component = 2)
comp_2

                    Comp.2
coef.(Intercept) 186.61583
sigma             19.96097

Elde edilen dağılımları görselleştir

gender %>%
   ggplot() + geom_histogram(aes(x = Weight, y = ..density..)) + 
   stat_function(geom = "line", fun = fun_prop, 
                 args = list(mean = comp_1[1], 
                             sd = comp_1[2], 
                             proportion = proportions[1])) +
   stat_function(geom = "line", fun = fun_prop, 
                 args = list(mean = comp_2[1], 
                             sd = comp_2[2], 
                             proportion = proportions[2]))

posterior fonksiyonu

posterior(fit_mixture) %>% head()

             [,1]      [,2]
[1,] 6.836341e-06 0.9999932
[2,] 4.421760e-01 0.5578240
[3,] 5.994160e-04 0.9994006
[4,] 1.998798e-04 0.9998001
[5,] 1.547774e-03 0.9984522
[6,] 7.544450e-01 0.2455550

clusters fonksiyonu

clusters(fit_mixture) %>% head()

2 2 2 2 2 1

Atamaların karşılaştırılması

table(gender$Gender, clusters(fit_mixture))

            1    2
  Female 4500  500
  Male    444 4556

Hadi pratik yapalım!

R ile Karışım Modelleri