Name: Смесевые модели в R
Rating: 4.72 (25 reviews)

Описание курса

Смесевое моделирование — это способ описания популяций, когда нас интересует их неоднородность. Смесевые модели используют знакомые вероятностные распределения (например, гауссово, Пуассона, биномиальное), обеспечивая удобную и строгую статистическую основу для кластеризации и классификации. В отличие от стандартных подходов к кластеризации, здесь можно оценить вероятность принадлежности к кластеру и делать выводы о субпопуляциях. Например, в контексте маркетинга можно кластеризовать группы клиентов и определять вероятность того, что каждая из них приобретёт конкретные товары, — чтобы точнее настраивать персональные акции. При обработке естественного языка на большом наборе документов можно кластеризовать документы по темам и понять, насколько каждая тема представлена в каждом документе. В этом курсе вы узнаете, что такое смесевые модели, как они оцениваются и в каких ситуациях их уместно применять!

Предварительные требования

Intermediate R Introduction to the Tidyverse Foundations of Probability in R

Программа

Структура курса

Введение в смесевые модели

В этой главе вы познакомитесь с основными концепциями кластеризации на основе моделей и узнаете, чем этот подход отличается от других методов кластеризации. Вы изучите процесс генерации гауссовых смесевых моделей, а также научитесь визуализировать кластеры.

Начать главу

Структура смесевых моделей и оценка параметров

В этой главе вы познакомитесь с основной структурой смесевых моделей, узнаете, как применять этот подход к различным данным и как оценивать параметры модели. Для оценки параметров вы освоите итерационный метод — алгоритм максимизации математического ожидания (EM-алгоритм).

Начать главу

Смесь гауссиан с `flexmix`

В этой главе показано, как с помощью пакета `flexmix` строить гауссовы смесевые модели в одном и двух измерениях. Используемый набор данных содержит 10 000 наблюдений: вес, рост, индекс массы тела и пол людей.

Начать главу

Смесевые модели за пределами гауссовых распределений

В этом модуле вы узнаете, как смесевые модели расширяются для работы с вероятностными распределениями, отличными от гауссового, и как такие модели строятся с помощью `flexmix`. В качестве наборов данных используются изображения рукописных цифр и статистика преступлений в Чикаго. На первом наборе данных вы найдёте кластеры, обобщающие рукописные цифры, а на втором — кластеры районов с разным уровнем опасности проживания.