基于模型的聚类和R语言中的高斯混合模型

介绍

四种最常见的聚类方法模型是层次聚类，k均值聚类，基于模型的聚类和基于密度的聚类 .

最近我们被客户要求撰写关于聚类的研究报告，包括一些图形和统计输出。

可以基于两个主要目标评估良好的聚类算法：

• 高组内相似性
• 低组间相似性

 

  【视频】KMEANS均值聚类和层次聚类：R语言分析生活幸福质量系数可视化实例

，时长06:05

 

基于模型的聚类是迭代方法，通过优化聚类中数据集的分布，将一组数据集拟合到聚类中。高斯分布只不过是正态分布。此方法分三步进行：

1. 首先随机选择高斯参数并将其拟合到数据集。
2. 迭代地优化分布参数以拟合尽可能多的点。
3. 一旦收敛到局部最小值，您就可以将数据点分配到更接近该群集的分布。

高斯混合模型

基于概率模型的聚类技术已被广泛使用，并且已经在许多应用中显示出有希望的结果，从图像分割，手写识别，文档聚类，主题建模到信息检索。基于模型的聚类方法尝试使