Vai al contenuto principale

Corso

Modelli di Mixture in R

IntermedioLivello di competenza

Aggiornato 08/2024

Impara i modelli misti: un modo pratico e formale per fare statistiche su raggruppamenti e classificazioni probabilistiche.

Inizia il corso gratis

RProbability & Statistics

4 h

14 video

47 Esercizi

3,600 XP

5,206

Attestato di conseguimento

Preferito dagli studenti di migliaia di aziende

Formare un team?

Prova per il Business

Descrizione del corso

La modellazione a mixture è un modo per rappresentare popolazioni quando ci interessa la loro eterogeneità. I modelli di mixture usano distribuzioni di probabilità note (ad es. Gaussiana, Poisson, Binomiale) per offrire un quadro statistico comodo ma formale per il clustering e la classificazione. Diversamente dagli approcci di clustering standard, possiamo stimare la probabilità di appartenenza a un cluster e fare inferenze sulle sotto-popolazioni. Ad esempio, in ambito marketing, potresti voler raggruppare diversi segmenti di clienti e stimare le rispettive probabilità di acquisto di prodotti specifici, così da indirizzarli meglio con promozioni personalizzate. Applicando il natural language processing a un ampio insieme di documenti, potresti voler raggruppare i testi in argomenti diversi e capire quanto ciascun argomento sia rilevante in ogni documento. In questo corso imparerai cosa sono i modelli di mixture, come si stimano e quando è appropriato applicarli!

Prerequisiti

Intermediate R Introduction to the Tidyverse Foundations of Probability in R

1

Introduzione ai modelli di Mixture

In questo capitolo ti verranno presentati i concetti fondamentali del clustering basato su modelli e in cosa questo approccio differisce da altre tecniche di clustering. Imparerai il processo generativo dei Gaussian Mixture Models e come visualizzare i cluster.

Introduzione al clustering basato su modelli

Approcci al clustering

Esplora i dati sul genere

Distribuzione gaussiana

Campionare da una distribuzione Gaussiana

Stime (non proprio ottime) della media e della deviazione standard

Gaussian Mixture Models (GMM)

Simula un mix di due distribuzioni gaussiane

Rappresenta l'istogramma di una Gaussian Mixture

Miscela di tre distribuzioni gaussiane

Inizia il capitolo

2

Struttura dei modelli di Mixture e stima dei parametri

In questo capitolo vedrai la struttura principale dei modelli di Mixture, come affrontare dati diversi con questo approccio e come stimare i parametri coinvolti. Per effettuare la stima, imparerai un metodo iterativo chiamato algoritmo di Expectation-Maximization.

Struttura dei modelli di mistura

Quale distribuzione di probabilità?

Dataset delle cifre scritte a mano

Stima dei parametri

Stima date le probabilità

Calcolare le probabilità

Algoritmo EM

Funzione di expectation

Funzione di massimizzazione

Applica i due passaggi

Traccia i cluster stimati

Inizia il capitolo

3

Mixture di Gaussiane con `flexmix`

Questo capitolo mostra come adattare Gaussian Mixture Models in 1 e 2 dimensioni con il pacchetto flexmix. I dati utilizzati sono composti da 10.000 osservazioni di persone con peso, altezza, indice di massa corporea e genere dichiarato.

Modelli di Mixture Gaussiana univariati

Numero di cluster

Numero di parametri

Modelli di Mixture Gaussiana univariata con flexmix

Caso univariato con flexmix

Estrazione dei parametri per il caso univariato

Visualizzare un Mixture Model gaussiano univariato

Confronta i risultati

Modelli di Mixture Gaussiana bivariata

Termine incrociato della matrice di covarianza

Parametri nel caso bivariato

Modelli di mixture gaussiana bivariata con flexmix

Stima il modello con termini incrociati

Ottieni le componenti

Crea le ellissi

Visualizza i cluster

Inizia il capitolo

4

Modelli di Mixture oltre le Gaussiane

In questo modulo imparerai come i modelli di Mixture si estendono a considerare distribuzioni di probabilità diverse dalla Gaussiana e come questi modelli vengono adattati con flexmix. I dataset usati sono immagini di cifre scritte a mano e il numero di crimini nella città di Chicago. Per il primo dataset troverai cluster che riassumono le cifre scritte a mano e per il secondo dataset troverai cluster di comunità dove è più o meno pericoloso vivere.

Modelli a mescolanza Bernoulliana

Immagini binarie

Quanti valori?

Modelli a miscela Bernoulliana con flexmix

Cifre scritte a mano con `flexmix`

Modelli a miscela di Poisson

Scopri il lambda

Campionare da una distribuzione di Poisson

Modelli a miscela di Poisson con flexmix

Dati sui reati con `flexmix`

Inizia il capitolo

Modelli di Mixture in R

Corso
completato

Ottieni Attestato di conseguimento

Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CV
Condividila sui social e nella valutazione delle tue performanceIscriviti ora

Unisciti a oltre 19 milioni di studenti e inizia Modelli di Mixture in R oggi!

Aumenta le tue competenze sui dati con l'app di DataCamp

Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.