본문으로 바로가기

강의

R로 배우는 Mixture Models

중급기술 수준

업데이트됨 2024. 8.

혼합 모델로 확률적 클러스터링과 분류를 배우세요. 편리하고 체계적인 통계적 프레임워크입니다.

무료로 강의 시작

RProbability & Statistics

4시간

14 동영상

47 연습 문제

3,600 XP

5,203

성취 증명서

수천 개 기업의 학습자들이 사랑하는

팀을 교육하시나요?

비즈니스용으로 체험해 보세요

강의 설명

Mixture modeling은 집단의 이질성에 관심이 있을 때 모집단을 표현하는 방법입니다. Mixture models는 익숙한 확률분포(예: Gaussian, Poisson, Binomial)를 사용해 클러스터링과 분류를 위한 간편하면서도 엄밀한 통계적 틀을 제공합니다. 일반적인 클러스터링 접근법과 달리, 각 클러스터에 속할 확률을 추정하고 하위 모집단에 대해 추론할 수 있습니다. 예를 들어 마케팅에서는 고객을 여러 그룹으로 클러스터링하고, 특정 상품을 구매할 확률을 그룹별로 파악해 맞춤 프로모션을 더 효과적으로 집행할 수 있습니다. 대규모 문서에 자연어 처리를 적용할 때는 문서를 주제별로 클러스터링하고, 각 문서에서 각 주제가 얼마나 중요한지 이해할 수 있습니다. 이 강의에서는 Mixture Models의 개념, 추정 방법, 그리고 언제 적용하는 것이 적절한지 학습합니다!

선수 조건

Intermediate R Introduction to the Tidyverse Foundations of Probability in R

1

Introduction to Mixture Models

In this chapter, you will be introduced to fundamental concepts in model-based clustering and how this approach differs from other clustering techniques. You will learn the generating process of Gaussian Mixture Models as well as how to visualize the clusters.

Introduction to model-based clustering

Clustering approaches

Explore gender data

Gaussian distribution

Sampling a Gaussian distribution

(not so good) Estimations of the mean and sd

Gaussian mixture models (GMM)

Simulate a mixture of two Gaussian distributions

Plot histogram of Gaussian Mixture

Mixture of three Gaussian distributions

2

Structure of Mixture Models and Parameters Estimation

In this chapter, you will be introduced to the main structure of Mixture Models, how to address different data with this approach and how to estimate the parameters involved. To accomplish the estimation, you will learn an iterative method called Expectation-Maximization algorithm.

Structure of mixture models

Which probability distribution?

Handwritten digits dataset

Parameters estimation

Estimation given the probabilities

Calculating the probabilities

EM algorithm

Expectation function

Maximization function

Apply the two steps

Plot the estimated clusters

3

Mixture of Gaussians with `flexmix`

This chapter shows how to fit Gaussian Mixture Models in 1 and 2 dimensions with flexmix package. The data used is formed by 10.000 observations of people with their weight, height, body mass index and informed gender.

Univariate Gaussian Mixture Models

Number of clusters

Number of parameters

Univariate Gaussian Mixture Models with flexmix

Univariate case with flexmix

Extracting Parameters for Univariate Case

Visualizing Univariate Gaussian Mixture Model

Compare the results

Bivariate Gaussian Mixture Models

Cross-term from covariance matrix

Parameters in the bivariate case

Bivariate Gaussian Mixture Models with flexmix

Fit the model with cross-terms

Get the components

Create the ellipses

Visualize the clusters

4

Mixture Models Beyond Gaussians

In this module, you will learn how Mixture Models extends to consider probability distributions different from the Gaussian and how these models are fitted with flexmix. The datasets used are handwritten digits images and the number of crimes in Chicago city. For the first dataset you will find clusters that summarize the handwritten digits and for the second dataset, you will find clusters of communities where is more or less dangerous to live in.

Bernoulli Mixture Models

Binary images

How many values?

Bernoulli Mixture Models with flexmix

Handwritten digits with `flexmix`

Poisson Mixture Models

Discover the lambda

Sample from Poisson distribution

Poisson Mixture Models with flexmix

Crimes data with `flexmix`

R로 배우는 Mixture Models

강의
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요지금 등록

19백만 명 이상의 학습자와 함께 R로 배우는 Mixture Models을(를) 시작하세요!

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.