Introduktion till modellbaserad klustring

Blandningsmodeller i R

Victor Medina

Researcher at The University of Edinburgh

Vad är klustring?

Att dela upp en uppsättning observationer i meningsfulla undergrupper

$\to$ Hjälper till att utforska och förstå den naturliga strukturen i en datamängd

Tillämpningar av klustring

Medicin
- Ex. Inom medicinsk bildanalys för att skilja mellan olika typer av vävnad
Näringsliv
- Ex. För att identifiera distinkta kundgrupper och utveckla riktade marknadsföringsprogram
Samhällsvetenskap
- Ex. För att identifiera zoner i en stad utifrån brottstyp och fördela polisresurser mer effektivt

Klustringsmetoder

Partitioneringsmetoder
- Hittar klustercentrum bland observationerna och tilldelar varje observation det närmaste klustret. Ex. Kmeans
Hierarkiska metoder
- Kopplar samman observationer utifrån likhet för att bilda kluster. Ex. Hierarkisk klustring
Modellbaserade metoder
- Använder sannolikhetsfördelningar för att skapa kluster. Ex. Blandningsmodeller

Datamängden 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

Datamängden gender: Kan du gissa könet?

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

Introduktion till modellbaserad klustring

Vad är klustring?

Tillämpningar av klustring

Klustringsmetoder

Datamängden gender

Datamängden gender: Kan du gissa könet?

Datamängden gender: Kan du gissa könet?

Med traditionella klustringsmetoder

Modellbaserad klustring

Modellbaserad klustring

Nu kör vi en övning!