Introducere în clusterizarea bazată pe modele

Mixture Models în R

Victor Medina

Researcher at The University of Edinburgh

Ce este clusterizarea?

Procedura de împărțire a unui set de observații în subclase semnificative

 $\to$ Ajută la explorarea și înțelegerea structurii naturale a unui set de date

Mixture Models în R

Aplicații ale clusterizării

  • Medicină
    • Ex. Imagistică medicală pentru a distinge între tipuri diferite de țesut
  • Afaceri
    • Ex. Identificarea grupurilor de clienți pentru programe de marketing țintit
  • Științe sociale
    • Ex. Identificarea zonelor dintr-un oraș după tipul de infracțiuni, pentru gestionarea resurselor de aplicare a legii
Mixture Models în R

Metode de clusterizare

  • Tehnici de partiționare
    • Identifică centroizii clusterelor; fiecare observație este atribuită celui mai apropiat centroid. Ex. Kmeans
  • Tehnici ierarhice
    • Conectează observațiile după similaritate pentru a forma clustere. Ex. Clusterizare ierarhică
  • Metode bazate pe modele
    • Utilizează distribuții probabilistice pentru a crea clustere. Ex. Modele mixtă
Mixture Models în R

Setul de date „gender"

gender <- read.csv("gender.csv")
head(gender)

    Height   Weight      BMI
1 73.84702 241.8936 31.18576
2 68.78190 162.3105 24.12104
3 74.11011 212.7409 27.23291
4 71.73098 220.0425 30.06706
5 69.88180 206.3498 29.70803
6 67.25302 152.2122 23.66049
Mixture Models în R

Setul de date „gender": Puteți ghici genul?

library(ggplot2)
ggplot(gender, aes(x = Weight, y = BMI)) + geom_points()

Mixture Models în R

Setul de date „gender": Puteți ghici genul?

Mixture Models în R

Abordări tradiționale de clusterizare

Mixture Models în R

Clusterizare bazată pe modele

Mixture Models în R

Clusterizare bazată pe modele

Mixture Models în R

Să exersăm!

Mixture Models în R

Preparing Video For Download...