2

我正在做高斯混合模型。我已经在数据集上完成了 kmeans，我想使用 R 中 em 算法的初始参数的均值、方差和大小。我发现参数是 3 个列表，我尝试做同样的事情，但它给我以下错误：

数组（x，c（长度（x），1L）中的错误，如果（！is.null（名称（x）））列表（名称（x），：“数据”必须是向量类型，为“空” '

我的代码

l <- kmeans(iris[,-5],centers=3)
pi <- l$size/length(iris[,1])
my <- t(l$centers)
sig <- vector("list", 3)
new <- as.data.frame(cbind(iris[,-5],l$cluster))
for (i in 1:3) {
  subdata<-subset(new[,1:4],new[,5]==i); 
  sig[[i]]<-cov(subdata)
}

par <- vector("list",3)
par[[1]] <- pi; par[[2]] <- my; par[[3]] <- sig

kk <- em(modelName = msEst$modelName, data = iris[,-5],parameters = par)

有人可以告诉我应该如何将 kmeans 结果分配为初始参数吗？

4

1 回答 1

2

以下是您所追求的快速示例。您要做的主要事情是以parameters正确的形式获取论点。令人毛骨悚然的一点是variance列表。如果您使用该mclustVariance功能，会有一些帮助。

library(mclust)

g <- 3
dat <- iris[, -5]
p <- ncol(dat)
n <- nrow(dat)
k_fit <- kmeans(dat, centers=g)

par <- vector("list", g)
par$pro <- k_fit$size/n
par$mean <- t(k_fit$centers)

sigma <- array(NA, c(p, p, g))
new <- as.data.frame(cbind(dat, k_fit$cluster))
for (i in 1 : g) {

  subdata <- subset(new[, 1 : p], new[, (p+1)]==i) 
  sigma[,, i] <- cov(subdata)
}

variance <- mclustVariance("EEE", d = p, G = g)
par$variance <- variance
par$variance$sigma <- sigma

kk <- em(modelName = "EEE", data = dat, parameters = par)
于 2018-04-16T02:06:24.720 回答