5.4、聚类之EM聚类实例
EM实例
junjun
2016年2月9日
实例一、对鸢尾花数据做EM聚类分析
#1、加载数据
data(iris)#2、聚类
library(mclust)
## Package 'mclust' version 5.1
## Type 'citation("mclust")' for citing this R package in publications.
model_mclust <- Mclust(iris[, 1:4])#3、模型评估
summary(model_mclust)
## ----------------------------------------------------
## Gaussian finite mixture model fitted by EM algorithm
## ----------------------------------------------------
##
## Mclust VEV (ellipsoidal, equal shape) model with 2 components:
##
## log.likelihood n df BIC ICL
## -215.726 150 26 -561.7285 -561.7289
##
## Clustering table:
## 1 2
## 50 100
#默认的情况下分成了两类#4、手动指定分类为3类
model_mclust <- Mclust(iris[, 1:4], G=3)
table(iris$Species, model_mclust$classification)
##
## 1 2 3
## setosa 50 0 0
## versicolor 0 45 5
## virginica 0 0 50
summary(model_mclust)
## ----------------------------------------------------
## Gaussian finite mixture model fitted by EM algorithm
## ----------------------------------------------------
##
## Mclust VEV (ellipsoidal, equal shape) model with 3 components:
##
## log.likelihood n df BIC ICL
## -186.0736 150 38 -562.5514 -566.4577
##
## Clustering table:
## 1 2 3
## 50 45 55
#分成了三类#4、绘制聚类图
library(fpc)
plotcluster(iris[, 1:4], model_mclust$classification)
实例二、对geyser(美国黄石公园不老泉)数据做EM聚类分析
数据集geyser (package MASS)记录了它在1985年8月1日到8月15日300次喷发的299个间隔时间
#1、加载数据
library(MASS)
data(geyser)#2、聚类
model_mclust <- Mclust(geyser)#3、模型评估
summary(model_mclust)
## ----------------------------------------------------
## Gaussian finite mixture model fitted by EM algorithm
## ----------------------------------------------------
##
## Mclust VVI (diagonal, varying volume and shape) model with 4 components:
##
## log.likelihood n df BIC ICL
## -1330.12 299 19 -2768.548 -2797.933
##
## Clustering table:
## 1 2 3 4
## 17 90 94 98
#分成了4类#4、绘制聚类图:生成4幅图
plot(model_mclust)
1
## [1] 1
2
## [1] 2
3
## [1] 3
4
## [1] 4
0
## [1] 0
#5、BIC基于模型的聚类
geyser.bic <- mclustBIC(geyser)
summary(geyser.bic)
## Best BIC values:
## VVI,4 VVE,4 VVV,4
## BIC -2768.548 -2771.952690 -2786.69691
## BIC diff 0.000 -3.405101 -18.14932
#查看聚类结果的细节
model_mclust$classification
## 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
## 2 3 4 2 2 3 4 2 3 4 3 4 3 4 2 3 4 3
## 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
## 4 2 3 4 3 4 3 4 1 2 2 2 2 2 3 4 1 4
## 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
## 3 4 3 4 3 4 3 4 3 4 3 4 3 4 1 4 3 4
## 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
## 3 4 2 1 2 2 3 4 3 4 3 4 3 4 2 3 4 3
## 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90
## 4 2 2 3 4 2 2 2 2 3 4 1 2 3 4 3 4 3
## 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108
## 4 3 4 3 4 3 4 3 4 3 4 3 4 3 4 3 4 3
## 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126
## 4 1 4 2 3 4 3 4 3 4 3 4 3 4 2 2 3 4
## 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144
## 2 2 2 2 2 2 1 4 2 2 2 2 3 4 2 2 2 2
## 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162
## 2 2 3 4 1 4 3 4 3 4 3 4 3 2 2 2 2 2
## 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180
## 2 3 4 3 4 3 4 1 4 1 2 3 4 1 4 3 4 2
## 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198
## 3 4 3 4 2 2 2 3 4 3 4 3 4 3 4 1 2 3
## 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216
## 4 3 4 3 4 2 3 2 2 1 2 2 2 3 4 3 4 3
## 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234
## 4 1 2 2 3 4 2 2 2 2 2 2 3 4 3 4 3 4
## 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252
## 2 2 2 3 4 2 3 4 1 2 3 4 1 3 4 3 4 2
## 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270
## 2 3 4 3 4 2 2 2 2 3 4 2 2 3 4 3 4 1
## 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288
## 4 2 3 4 3 4 2 2 2 2 2 2 2 3 2 3 4 3
## 289 290 291 292 293 294 295 296 297 298 299
## 4 3 4 3 4 3 4 3 4 2 3
#给出每个观测所在的类标签
model_mclust$z
## [,1] [,2] [,3] [,4]
## 1 1.712371e-02 9.828523e-01 4.154428e-56 2.395413e-05
## 2 1.908623e-01 5.496943e-12 8.091377e-01 1.081293e-10
## 3 4.911885e-06 9.963692e-03 3.344533e-58 9.900314e-01
## 4 1.845617e-02 9.815206e-01 3.244363e-55 2.320322e-05
## 5 1.102021e-02 9.880503e-01 1.828868e-55 9.295152e-04
## 6 5.261056e-02 1.087875e-14 9.473894e-01 1.362518e-14
## 7 6.989256e-06 1.825241e-02 1.008410e-79 9.817406e-01
## 8 1.230018e-02 9.876994e-01 8.601935e-71 4.533391e-07
## 9 6.553451e-02 3.515315e-14 9.344655e-01 3.121264e-14
## 10 8.170111e-08 1.562112e-04 3.242660e-111 9.998437e-01
## 11 3.860532e-02 3.793539e-17 9.613947e-01 1.468125e-17
## 12 8.989668e-10 2.849915e-08 1.438044e-161 1.000000e+00
## 13 1.486325e-01 8.621923e-20 8.513675e-01 7.742337e-22
## 14 1.601203e-08 4.101444e-05 3.481180e-114 9.999590e-01
## 15 1.358571e-02 9.864143e-01 1.540006e-76 2.467728e-08
## 16 5.678594e-02 1.645633e-17 9.432141e-01 4.859862e-15
## 17 2.760516e-06 4.512288e-03 2.567474e-98 9.954850e-01
## 18 4.405887e-02 5.325086e-15 9.559411e-01 7.095595e-17
## 19 1.271607e-04 6.123782e-02 1.898875e-101 9.386350e-01
## 20 1.059042e-02 9.894010e-01 3.930266e-67 8.585709e-06
## 21 3.042791e-02 1.815138e-16 9.695721e-01 3.222085e-18
## 22 1.449813e-08 1.962650e-05 1.328421e-121 9.999804e-01
## 23 3.909575e-02 4.144546e-15 9.609043e-01 1.137650e-17
## 24 1.081799e-05 1.753770e-02 6.372394e-58 9.824515e-01
## 25 5.109434e-02 8.624726e-15 9.489057e-01 2.454841e-15
## 26 4.911885e-06 9.963692e-03 3.344533e-58 9.900314e-01
## 27 9.999634e-01 3.657856e-05 6.845342e-10 1.241873e-11
## 28 1.131787e-03 6.225411e-01 4.294530e-85 3.763271e-01
## 29 9.329885e-03 9.901529e-01 5.094989e-59 5.172611e-04
## 30 8.664914e-02 9.132763e-01 5.591223e-41 7.452542e-05
## 31 2.788108e-01 7.199974e-01 4.637450e-32 1.191744e-03
## 32 1.130841e-02 9.886895e-01 5.834570e-82 2.133147e-06
## 33 4.355938e-01 4.365329e-11 5.644062e-01 2.809224e-11
## 34 1.034665e-04 2.328839e-02 3.328805e-112 9.766081e-01
## 35 9.999799e-01 8.411069e-07 1.923760e-05 1.259670e-08
## 36 4.413944e-06 1.260288e-02 2.694606e-66 9.873927e-01
## 37 1.934864e-01 3.982656e-12 8.065136e-01 1.103555e-17
## 38 8.119853e-10 9.754007e-06 5.066399e-108 9.999902e-01
## 39 2.688145e-02 1.782432e-17 9.731186e-01 6.030311e-20
## 40 2.546083e-10 9.600512e-06 5.351581e-97 9.999904e-01
## 41 4.014167e-01 4.508976e-11 5.985833e-01 1.239313e-17
## 42 2.047060e-07 1.413377e-03 1.919387e-66 9.985864e-01
## 43 3.640595e-02 3.647081e-15 9.635941e-01 4.488292e-18
## 44 2.087966e-07 1.102223e-03 2.744737e-59 9.988976e-01
## 45 5.203978e-02 9.693381e-15 9.479602e-01 5.811293e-15
## 46 9.516096e-08 6.476579e-04 1.503661e-59 9.993522e-01
## 47 3.220842e-02 1.245870e-16 9.677916e-01 5.837228e-18
## 48 1.172433e-05 2.802541e-02 1.411329e-72 9.719629e-01
## 49 6.553571e-02 6.596821e-14 9.344643e-01 1.547203e-17
## 50 8.576818e-10 3.094477e-05 5.621461e-88 9.999691e-01
## 51 9.991775e-01 6.103971e-08 8.224774e-04 9.570699e-11
## 52 5.162328e-05 5.442228e-02 2.329855e-57 9.455261e-01
## 53 2.249562e-02 1.581738e-18 9.775044e-01 1.788413e-22
## 54 1.437598e-11 3.067372e-06 5.495979e-81 9.999969e-01
## 55 1.840078e-01 2.584630e-12 8.159922e-01 4.474732e-17
## 56 4.775574e-06 1.180618e-02 4.380298e-86 9.881890e-01
## 57 4.583675e-02 9.541624e-01 6.579568e-49 8.656522e-07
## 58 6.011036e-01 3.725396e-01 8.510565e-25 2.635675e-02
## 59 5.003802e-02 9.485558e-01 5.814324e-42 1.406171e-03
## 60 6.451900e-03 9.784161e-01 1.177121e-55 1.513199e-02
## 61 8.102088e-04 2.479603e-17 9.991898e-01 1.413567e-28
## 62 6.656613e-10 1.803876e-07 3.333923e-146 9.999998e-01
## 63 5.261056e-02 1.087875e-14 9.473894e-01 1.362518e-14
## 64 4.911885e-06 9.963692e-03 3.344533e-58 9.900314e-01
## 65 4.979382e-02 7.662663e-15 9.502062e-01 1.027033e-15
## 66 1.104099e-04 9.470874e-02 4.413160e-57 9.051808e-01
## 67 4.624052e-02 6.021259e-15 9.537595e-01 1.746160e-16
## 68 4.191823e-09 8.368417e-05 1.495252e-60 9.999163e-01
## 69 4.034894e-01 5.965050e-01 1.578144e-32 5.579660e-06
## 70 2.437649e-01 8.349853e-12 7.562351e-01 3.517368e-11
## 71 2.198517e-05 3.545315e-02 1.399668e-86 9.645249e-01
## 72 5.663984e-02 1.542470e-14 9.433602e-01 3.693414e-15
## 73 1.864374e-07 1.352552e-03 2.129636e-67 9.986473e-01
## 74 9.302494e-03 9.906597e-01 2.790531e-66 3.776261e-05
## 75 3.519492e-03 9.867657e-01 1.958390e-74 9.714805e-03
## 76 3.684821e-02 7.423608e-16 9.631518e-01 9.436657e-17
## 77 1.423234e-05 1.636035e-02 1.392942e-96 9.836254e-01
## 78 5.588744e-02 9.441042e-01 1.050173e-45 8.335602e-06
## 79 5.557004e-03 9.783335e-01 1.901329e-57 1.610948e-02
## 80 9.208083e-03 9.907191e-01 1.958142e-64 7.281499e-05
## 81 1.304881e-02 9.868128e-01 4.895307e-95 1.383559e-04
## 82 4.428700e-02 5.401481e-17 9.557130e-01 4.396963e-15
## 83 2.373388e-05 3.093484e-02 1.218962e-57 9.690414e-01
## 84 9.989103e-01 1.089619e-03 2.945780e-14 4.289712e-08
## 85 2.091164e-03 6.998577e-01 5.121169e-56 2.980511e-01
## 86 3.363951e-02 3.203667e-15 9.663605e-01 1.753208e-18
## 87 2.090772e-08 2.671530e-04 6.914254e-86 9.997328e-01
## 88 7.074505e-02 4.525855e-14 9.292550e-01 3.630057e-15
## 89 4.769631e-09 1.213596e-04 2.722210e-74 9.998786e-01
## 90 2.488235e-02 2.061851e-16 9.751177e-01 2.746721e-19
## 91 2.208021e-09 3.022075e-05 8.710379e-101 9.999698e-01
## 92 6.611653e-02 2.591548e-18 9.338835e-01 1.503507e-18
## 93 1.427578e-06 5.733029e-03 2.688308e-80 9.942655e-01
## 94 5.361564e-02 6.577451e-18 9.463844e-01 5.531434e-18
## 95 5.540041e-10 1.581969e-05 9.389071e-97 9.999842e-01
## 96 1.485593e-02 2.320895e-17 9.851441e-01 8.275824e-22
## 97 1.990107e-09 5.548167e-05 1.170162e-86 9.999445e-01
## 98 1.303771e-01 1.369786e-19 8.696229e-01 2.275022e-21
## 99 8.320185e-06 1.173692e-03 2.187750e-124 9.988180e-01
## 100 1.503777e-02 4.985916e-18 9.849622e-01 1.330165e-22
## 101 6.788114e-08 2.017617e-05 2.741315e-131 9.999798e-01
## 102 1.197112e-01 1.210065e-19 8.802888e-01 8.791932e-22
## 103 8.862344e-09 1.814522e-04 4.865949e-76 9.998185e-01
## 104 5.109434e-02 8.624726e-15 9.489057e-01 2.454841e-15
## 105 1.081799e-05 1.753770e-02 6.372394e-58 9.824515e-01
## 106 4.624052e-02 6.021259e-15 9.537595e-01 1.746160e-16
## 107 7.100517e-09 1.053866e-04 1.472903e-91 9.998946e-01
## 108 3.084189e-02 2.809068e-15 9.691581e-01 6.780234e-19
## 109 9.516096e-08 6.476579e-04 1.503661e-59 9.993522e-01
## 110 9.995408e-01 4.589818e-04 1.517407e-12 2.339779e-07
## 111 1.895828e-03 4.675666e-01 2.134447e-100 5.305376e-01
## 112 1.854713e-02 9.806567e-01 3.209734e-50 7.961402e-04
## 113 4.213133e-02 2.033372e-15 9.578687e-01 4.321108e-15
## 114 1.023993e-07 8.594455e-04 9.253959e-66 9.991405e-01
## 115 4.568953e-02 1.741316e-17 9.543105e-01 2.119738e-17
## 116 5.148284e-08 2.581066e-04 9.881763e-100 9.997418e-01
## 117 2.688145e-02 1.782432e-17 9.731186e-01 6.030311e-20
## 118 9.804871e-09 7.126576e-05 1.430486e-102 9.999287e-01
## 119 1.079312e-01 3.033847e-13 8.920688e-01 2.573437e-16
## 120 4.809594e-06 3.980767e-03 3.456688e-106 9.960144e-01
## 121 1.503777e-02 4.985916e-18 9.849622e-01 1.330165e-22
## 122 2.480173e-07 1.535529e-03 1.495232e-64 9.984642e-01
## 123 7.556328e-03 9.872337e-01 3.425860e-94 5.209985e-03
## 124 1.845617e-02 9.815206e-01 3.244363e-55 2.320322e-05
## 125 4.816491e-02 6.797757e-15 9.518351e-01 4.255428e-16
## 126 2.373388e-05 3.093484e-02 1.218962e-57 9.690414e-01
## 127 2.807414e-02 9.719256e-01 6.845003e-55 2.109662e-07
## 128 7.425926e-03 9.923960e-01 2.433873e-67 1.780285e-04
## 129 3.839483e-03 9.759603e-01 5.959065e-63 2.020020e-02
## 130 1.925266e-02 9.805523e-01 7.531002e-52 1.950134e-04
## 131 5.553722e-02 9.441276e-01 1.124851e-42 3.352060e-04
## 132 1.463722e-02 9.853628e-01 2.502679e-78 9.266733e-10
## 133 9.976550e-01 4.778245e-08 2.344903e-03 3.824847e-09
## 134 7.365612e-09 1.564695e-04 2.139914e-69 9.998435e-01
## 135 7.206807e-02 9.279302e-01 8.934139e-45 1.726254e-06
## 136 9.163229e-03 9.908247e-01 5.510843e-73 1.208648e-05
## 137 1.541738e-02 9.782479e-01 1.176280e-48 6.334694e-03
## 138 9.442055e-03 9.875019e-01 2.387294e-96 3.056089e-03
## 139 1.011455e-01 2.698995e-18 8.988545e-01 4.317921e-16
## 140 9.668025e-05 1.268354e-02 2.137182e-118 9.872198e-01
## 141 7.502862e-03 9.923977e-01 3.423572e-70 9.945091e-05
## 142 3.618023e-03 9.382483e-01 4.695242e-90 5.813370e-02
## 143 1.529560e-02 9.846003e-01 2.566650e-55 1.041122e-04
## 144 1.379782e-02 9.859844e-01 2.288819e-55 2.178098e-04
## 145 1.685275e-02 9.830979e-01 2.883144e-55 4.935361e-05
## 146 1.102021e-02 9.880503e-01 1.828868e-55 9.295152e-04
## 147 4.762466e-02 5.480178e-15 9.523753e-01 3.911963e-15
## 148 7.780449e-05 7.039065e-02 1.334131e-92 9.295315e-01
## 149 1.000000e+00 1.074572e-31 5.754293e-13 1.745203e-25
## 150 2.999984e-10 2.081499e-06 3.748016e-119 9.999979e-01
## 151 4.440713e-02 1.217471e-18 9.555929e-01 5.878822e-21
## 152 2.932005e-08 2.376509e-04 2.381541e-94 9.997623e-01
## 153 7.619621e-02 8.308081e-19 9.238038e-01 6.840244e-20
## 154 1.832813e-09 1.817827e-05 1.369082e-106 9.999818e-01
## 155 9.211187e-03 5.070508e-18 9.907888e-01 8.070693e-24
## 156 1.660158e-09 4.391452e-05 6.923988e-90 9.999561e-01
## 157 3.702118e-02 1.100283e-16 9.629788e-01 6.247904e-17
## 158 6.374299e-03 9.931920e-01 2.690877e-81 4.336577e-04
## 159 8.398879e-03 9.915559e-01 3.846441e-81 4.520757e-05
## 160 7.473132e-03 9.848690e-01 1.316000e-55 7.657867e-03
## 161 1.205413e-02 9.615087e-01 2.385203e-104 2.643720e-02
## 162 1.529560e-02 9.846003e-01 2.566650e-55 1.041122e-04
## 163 2.948829e-02 9.705116e-01 7.803410e-55 9.367654e-08
## 164 4.392913e-02 2.598678e-14 9.560709e-01 8.796410e-12
## 165 1.010577e-06 3.267612e-03 9.412580e-59 9.967314e-01
## 166 3.367279e-02 5.809464e-16 9.663272e-01 1.571896e-17
## 167 5.817326e-10 1.730603e-05 1.233014e-95 9.999827e-01
## 168 4.624052e-02 6.021259e-15 9.537595e-01 1.746160e-16
## 169 4.442890e-05 1.287245e-02 6.365798e-43 9.870831e-01
## 170 9.999159e-01 8.410149e-05 8.340990e-11 6.033089e-10
## 171 1.809080e-07 2.747876e-04 6.163162e-111 9.997250e-01
## 172 6.755478e-01 3.244518e-01 5.475697e-29 3.286932e-07
## 173 3.450200e-03 9.847295e-01 1.889457e-77 1.182032e-02
## 174 4.775967e-02 2.203220e-17 9.522403e-01 1.199652e-16
## 175 6.021532e-07 3.023479e-03 1.263747e-81 9.969759e-01
## 176 9.985978e-01 4.570872e-08 1.402156e-03 1.722379e-10
## 177 3.903999e-07 1.775253e-03 4.100402e-89 9.982244e-01
## 178 5.935014e-02 8.440995e-14 9.406499e-01 1.406201e-18
## 179 3.834376e-05 6.612729e-02 4.489552e-77 9.338344e-01
## 180 1.214806e-02 9.878517e-01 1.049404e-75 2.758471e-07
## 181 5.221336e-02 1.429362e-17 9.477866e-01 9.457430e-17
## 182 3.131652e-09 9.781693e-06 2.149491e-118 9.999902e-01
## 183 7.079404e-03 2.385809e-18 9.929206e-01 7.658214e-25
## 184 4.191823e-09 8.368417e-05 1.495252e-60 9.999163e-01
## 185 1.529560e-02 9.846003e-01 2.566650e-55 1.041122e-04
## 186 1.685275e-02 9.830979e-01 2.883144e-55 4.935361e-05
## 187 3.102876e-03 5.963520e-01 3.574795e-49 4.005452e-01
## 188 3.186398e-02 4.176905e-17 9.681360e-01 1.297010e-18
## 189 9.331343e-10 1.479800e-05 2.420564e-103 9.999852e-01
## 190 4.888012e-02 9.531201e-15 9.511199e-01 1.068423e-16
## 191 5.068201e-06 1.275095e-02 5.212531e-85 9.872440e-01
## 192 3.702118e-02 1.100283e-16 9.629788e-01 6.247904e-17
## 193 7.365612e-09 1.564695e-04 2.139914e-69 9.998435e-01
## 194 2.245692e-02 1.081155e-16 9.775431e-01 7.628236e-20
## 195 4.769631e-09 1.213596e-04 2.722210e-74 9.998786e-01
## 196 9.621958e-01 3.780413e-02 1.005648e-21 5.930414e-08
## 197 4.715666e-03 9.920567e-01 1.546939e-67 3.227612e-03
## 198 3.868975e-02 2.859417e-16 9.613103e-01 2.609301e-15
## 199 9.579221e-05 1.116814e-02 1.182834e-119 9.887361e-01
## 200 2.138634e-02 2.176777e-17 9.786137e-01 1.175315e-20
## 201 9.120580e-09 1.378878e-04 2.623215e-60 9.998621e-01
## 202 2.612051e-02 9.048888e-16 9.738795e-01 3.101833e-19
## 203 1.774590e-09 1.633781e-05 9.068643e-108 9.999837e-01
## 204 1.529560e-02 9.846003e-01 2.566650e-55 1.041122e-04
## 205 3.909575e-02 4.144546e-15 9.609043e-01 1.137650e-17
## 206 1.384796e-03 5.527917e-01 3.682357e-56 4.458235e-01
## 207 1.102021e-02 9.880503e-01 1.828868e-55 9.295152e-04
## 208 9.723377e-01 5.162143e-09 2.766230e-02 1.863156e-10
## 209 1.633526e-03 8.232313e-01 9.581736e-80 1.751352e-01
## 210 1.693872e-02 9.830613e-01 1.482685e-66 2.475816e-09
## 211 1.264023e-03 7.479955e-01 8.774216e-77 2.507405e-01
## 212 3.363951e-02 3.203667e-15 9.663605e-01 1.753208e-18
## 213 1.190201e-05 2.471212e-02 1.196805e-83 9.752760e-01
## 214 6.032591e-02 4.362387e-18 9.396741e-01 4.473112e-18
## 215 8.456814e-08 6.280017e-04 1.405545e-88 9.993719e-01
## 216 9.852420e-02 5.198921e-20 9.014758e-01 1.575485e-23
## 217 9.804871e-09 7.126576e-05 1.430486e-102 9.999287e-01
## 218 9.999099e-01 1.989830e-07 8.994551e-05 8.765469e-12
## 219 3.750359e-02 9.403544e-01 1.503428e-40 2.214201e-02
## 220 4.002060e-03 9.891405e-01 1.508971e-68 6.857461e-03
## 221 1.347835e-02 1.533644e-16 9.865216e-01 1.109707e-21
## 222 2.990476e-09 8.459797e-05 2.293825e-80 9.999154e-01
## 223 2.948829e-02 9.705116e-01 7.803410e-55 9.367654e-08
## 224 1.379782e-02 9.859844e-01 2.288819e-55 2.178098e-04
## 225 9.753465e-03 9.883512e-01 1.638105e-55 1.895366e-03
## 226 3.594411e-03 9.834327e-01 1.236313e-67 1.297289e-02
## 227 2.173875e-02 9.782562e-01 4.130437e-55 5.003727e-06
## 228 5.838055e-03 9.916170e-01 8.341094e-63 2.544937e-03
## 229 3.645968e-02 1.795673e-16 9.635403e-01 8.462596e-17
## 230 8.576818e-10 3.094477e-05 5.621461e-88 9.999691e-01
## 231 1.804354e-02 3.477867e-16 9.819565e-01 1.163530e-20
## 232 5.930838e-08 6.499846e-04 1.522792e-71 9.993500e-01
## 233 6.059190e-02 1.069838e-18 9.394081e-01 3.222403e-20
## 234 9.126161e-10 3.339636e-05 6.603299e-87 9.999666e-01
## 235 7.699320e-03 9.922067e-01 3.216449e-69 9.402496e-05
## 236 3.740057e-02 9.625994e-01 5.979464e-53 1.695260e-08
## 237 1.211703e-02 9.878827e-01 1.025071e-76 2.951992e-07
## 238 4.486837e-02 3.940978e-15 9.551316e-01 1.452512e-14
## 239 2.431649e-06 7.671629e-03 3.141838e-84 9.923259e-01
## 240 8.224367e-03 9.917288e-01 3.856089e-70 4.679966e-05
## 241 2.072124e-02 1.579894e-16 9.792788e-01 4.060919e-20
## 242 4.693963e-11 5.513497e-06 9.794108e-86 9.999945e-01
## 243 9.993843e-01 6.157005e-04 8.252734e-14 1.379761e-12
## 244 7.473132e-03 9.848690e-01 1.316000e-55 7.657867e-03
## 245 4.806399e-02 2.109125e-14 9.519360e-01 1.849399e-12
## 246 4.589838e-07 1.890608e-03 5.058916e-59 9.981089e-01
## 247 9.155516e-01 8.444274e-02 5.896656e-23 5.675475e-06
## 248 4.170960e-02 8.515251e-17 9.582904e-01 5.723690e-15
## 249 1.592563e-04 1.148708e-01 1.964385e-93 8.849699e-01
## 250 4.174485e-02 5.413838e-17 9.582552e-01 2.006521e-16
## 251 2.871357e-07 1.052438e-03 9.069106e-96 9.989473e-01
## 252 1.583202e-02 9.841672e-01 2.468706e-90 8.280948e-07
## 253 3.373687e-03 9.822101e-01 1.450731e-69 1.441626e-02
## 254 3.182232e-02 5.126446e-16 9.681777e-01 6.321435e-18
## 255 6.022516e-11 4.664757e-07 1.246921e-124 9.999995e-01
## 256 3.534486e-02 1.517188e-15 9.646551e-01 1.308440e-17
## 257 9.308866e-07 4.465344e-03 1.924791e-75 9.955337e-01
## 258 1.494656e-02 9.850533e-01 6.749564e-66 1.533128e-07
## 259 1.116784e-03 5.832952e-01 3.117560e-87 4.155880e-01
## 260 1.153471e-02 9.884646e-01 8.668413e-78 7.120164e-07
## 261 6.080502e-03 9.850671e-01 4.680817e-92 8.852391e-03
## 262 5.103028e-02 1.701332e-14 9.489697e-01 3.740050e-13
## 263 2.087966e-07 1.102223e-03 2.744737e-59 9.988976e-01
## 264 2.173875e-02 9.782562e-01 4.130437e-55 5.003727e-06
## 265 5.294032e-02 9.470597e-01 4.265000e-50 5.242067e-10
## 266 5.261056e-02 1.087875e-14 9.473894e-01 1.362518e-14
## 267 3.836632e-08 3.629503e-04 7.545862e-89 9.996370e-01
## 268 1.059019e-02 2.073642e-18 9.894098e-01 4.848999e-24
## 269 4.191823e-09 8.368417e-05 1.495252e-60 9.999163e-01
## 270 9.999929e-01 7.075503e-06 5.080794e-08 1.674725e-12
## 271 2.623841e-05 1.830247e-02 4.729213e-102 9.816713e-01
## 272 2.928510e-02 9.707139e-01 3.108797e-53 9.831744e-07
## 273 4.228050e-02 2.278856e-15 9.577195e-01 1.003477e-14
## 274 8.593367e-06 1.982998e-03 2.548728e-119 9.980084e-01
## 275 3.371679e-02 4.733400e-17 9.662832e-01 3.225154e-18
## 276 7.650043e-10 7.838944e-06 2.131911e-110 9.999922e-01
## 277 2.657071e-02 9.734288e-01 6.015880e-55 4.712810e-07
## 278 1.529560e-02 9.846003e-01 2.566650e-55 1.041122e-04
## 279 1.529560e-02 9.846003e-01 2.566650e-55 1.041122e-04
## 280 2.009059e-02 9.798986e-01 3.657372e-55 1.081939e-05
## 281 1.529560e-02 9.846003e-01 2.566650e-55 1.041122e-04
## 282 1.237003e-02 9.871781e-01 2.044415e-55 4.518714e-04
## 283 9.753465e-03 9.883512e-01 1.638105e-55 1.895366e-03
## 284 4.816491e-02 6.797757e-15 9.518351e-01 4.255428e-16
## 285 2.091164e-03 6.998577e-01 5.121169e-56 2.980511e-01
## 286 3.182232e-02 5.126446e-16 9.681777e-01 6.321435e-18
## 287 6.784500e-10 3.295928e-05 7.861014e-80 9.999670e-01
## 288 5.135119e-02 1.419417e-19 9.486488e-01 2.290029e-23
## 289 7.881744e-11 2.180057e-06 9.381515e-109 9.999978e-01
## 290 2.683201e-02 5.964256e-16 9.731680e-01 5.538056e-19
## 291 2.120256e-09 2.739220e-05 6.186260e-102 9.999726e-01
## 292 3.985077e-02 1.059596e-15 9.601492e-01 1.289921e-15
## 293 5.232289e-08 5.312982e-04 1.687280e-83 9.994686e-01
## 294 1.140570e-01 4.538949e-13 8.859430e-01 6.534535e-17
## 295 5.673011e-08 5.467823e-04 3.840710e-64 9.994532e-01
## 296 6.460446e-02 4.547448e-14 9.353955e-01 6.316094e-17
## 297 1.081799e-05 1.753770e-02 6.372394e-58 9.824515e-01
## 298 3.079230e-02 9.692077e-01 8.913354e-55 4.126135e-08
## 299 5.109434e-02 8.624726e-15 9.489057e-01 2.454841e-15
#6、手动指定聚类个数
model_mclust2 <- Mclust(geyser, G=2)
summary(model_mclust2, parameters=T)
## ----------------------------------------------------
## Gaussian finite mixture model fitted by EM algorithm
## ----------------------------------------------------
##
## Mclust VVE (ellipsoidal, equal orientation) model with 2 components:
##
## log.likelihood n df BIC ICL
## -1404.049 299 10 -2865.102 -2869.098
##
## Clustering table:
## 1 2
## 104 195
##
## Mixing probabilities:
## 1 2
## 0.3466742 0.6533258
##
## Means:
## [,1] [,2]
## waiting 83.17384 66.552028
## duration 1.96897 4.252431
##
## Variances:
## [,,1]
## waiting duration
## waiting 43.7862624 -0.56757440
## duration -0.5675744 0.07615526
## [,,2]
## waiting duration
## waiting 175.317237 -2.2743659
## duration -2.274366 0.1635021
5.4、聚类之EM聚类实例相关推荐
- 【白话机器学习】算法理论+实战之EM聚类
1. 写在前面 如果想从事数据挖掘或者机器学习的工作,掌握常用的机器学习算法是非常有必要的,常见的机器学习算法: 监督学习算法:逻辑回归,线性回归,决策树,朴素贝叶斯,K近邻,支持向量机,集成算法Ad ...
- 白话机器学习算法理论+实战之EM聚类
1. 写在前面 如果想从事数据挖掘或者机器学习的工作,掌握常用的机器学习算法是非常有必要的,比如我之前写过的一篇十大机器学习算法的小总结,在这简单的先捋一捋, 常见的机器学习算法: 监督学习算法:逻辑 ...
- 聚类和EM算法——K均值聚类
20211116 数据分析 | 聚类分析--kmean kmeans最优k值的确定方法-手肘法和轮廓系数法 - 简书 python大战机器学习--聚类和EM算法 注:本文中涉及到的公式一律省略(公式不 ...
- 聚类 高维聚类 聚类评估标准 EM模型聚类
高维数据的聚类分析 高维聚类研究方向 高维数据聚类的难点在于: 1.适用于普通集合的聚类算法,在高维数据集合中效率极低 2.由于高维空间的稀疏性以及最近邻特性,高维的空间中基本不存在数据簇. 在高维聚 ...
- OpenCV k均值聚类kmeans clustering的实例(附完整代码)
OpenCV k均值聚类kmeans clustering的实例 OpenCV k均值聚类kmeans clustering的实例 OpenCV k均值聚类kmeans clustering的实例 # ...
- 聚类算法(五)--层次聚类(系统聚类)及超易懂实例分析
博客上看到的,叫做层次聚类,但是<医学统计学>上叫系统聚类(chapter21) 思想很简单,想象成一颗倒立的树,叶节点为样本本身,根据样本之间的距离(相似系数),将最近的两样本合并到一个 ...
- 聚类之K均值聚类和EM算法
这篇博客整理K均值聚类的内容,包括: 1.K均值聚类的原理: 2.初始类中心的选择和类别数K的确定: 3.K均值聚类和EM算法.高斯混合模型的关系. 一.K均值聚类的原理 K均值聚类(K-means) ...
- 【机器学习实战】利用EM聚类算法对王者荣耀英雄进行聚类
目录 一.EM算法的步骤 二.EM算法的工作原理 三.在sklearn中创建GMM模型 四.工作流程 五.实战环节 1. 导包 2. 加载数据 3. 数据可视化分析 4. 特征工程 5. 数据规范化 ...
- 聚类分析(K-means、系统聚类和二阶聚类)的原理、实例及在SPSS中的实现(一)
目录 聚类分析的定义及原理 聚类方法及其在SPSS中的实现 总结及拓展 聚类分析的定义及原理 1.定义 所谓物以类聚.人以群分.聚类分析,即是基于研究对象的特征,将他们分门别类,以让同类别的个体之间差 ...
- KMEANS均值聚类和层次聚类:亚洲国家地区生活幸福质量异同可视化分析和选择最佳聚类数...
阅读全文:http://tecdat.cn/?p=24198 <世界幸福报告>是可持续发展解决方案网络的年度报告,该报告使用盖洛普世界民意调查的调查结果研究了150多个国家/地区的生活质量 ...
最新文章
- 雷军 1994 年写的代码,经典老古董~
- ​Arm芯片的新革命在缓缓上演
- Python Tools for Machine Learning
- DirectX和DirectShow介绍和区别
- html表格判断,lua table 长度解析
- VS可视化调试学习总结
- (Java常用类)日期时间类
- 邮件的一个推送这个系统怎么去搭建的摘抄:感觉有很多的开源的邮件服务器可以参考使用搭建,据说wordpress有集成服务
- 系统中常用操作基类(SSH项目中)非常非常经典的部分
- 计算机网络——数据链路层的概述
- 7 个顶级的 HTML5 Canvas 动画赏析
- 广西龙脊梯田景区发生山体崩塌
- gifrecord可以卸载吗_频繁安装卸载 App,手机真能受得了吗?!
- [CAN BUS] USB-CAN adpter / USB转CAN 开源项目推荐(CANable candlelight cangaroo)
- win10系统禁用笔记本自带键盘的方法
- 微信小程序账号注册和APPID申请
- 什么时候使用PHP设计模式和为什么要使用?
- showwindow 窗口不弹出_C语言Windows程序设计 - 【第一个属于自己的窗口】!
- 并行传输数据和串行传输数据_为什么串行数据传输比并行数据传输快?
- 计算机科学技术考研录取人数,2021清华计算机科学与技术考研招生人数、考试科目、复试科目、分数线录取名单...