我目前正在尝试使用 GMM 对一维数据执行聚类。这个想法是分开2个群体（k = 2）。尽管我的代码的主要部分是在 Python 中（此处未显示），但我在 R 中使用 mclust，在我的情况下它比 scikit-learn 更适合，因为它会自动调整使用的模型（E 表示等方差，V 表示变方差）。完成后，我想使用 mclust 给出的概率重建每个集群的单独分布，甚至是最初缺失的部分。目的是让频率（而不是密度！）与我的数据单位。现在1我只使用 geom_line 来显示我转换为频率的密度估计值。但我想使用 mclust 给出的概率会更可靠。有谁知道我该怎么做？
这是Python代码：
import rpy2
import rpy2.situation
import rpy2.robjects as robjects
from rpy2.robjects.packages import importr
from rpy2.robjects import pandas2ri
import rpy2.robjects.packages as rpackages
from rpy2.robjects.vectors import StrVector
import pandas as pd
from plotnine import *
from plotnine.stats import *
import warnings
import os
import matplotlib.pyplot as plt
warnings.filterwarnings("ignore")
pandas2ri.activate()
# import R's utility package
utils = rpackages.importr('utils')
utils.chooseCRANmirror(ind=1)
path = os.getcwd()
name = input("Enter filename ")
name = name+".csv"
for root, dirs, files in os.walk(path):
if name in files:
print(os.path.join(root, name))
v=os.path.join(root, name)
# R package names
packnames = ('mclust','ggplot2')
# Selectively install what needs to be install.
names_to_install = [x for x in packnames if not rpackages.isinstalled(x)]
if len(names_to_install) > 0:
utils.install_packages(StrVector(names_to_install))
name1 = "mclustnano.R"
for root, dirs, files in os.walk(path):
if name1 in files:
print(os.path.join(root, name1))
v1=os.path.join(root, name1)
r = robjects.r
r['source'](v1)
# Loading the function we have defined in R.
mclust_app = robjects.globalenv['applied_mclust']
# Reading and processing data
df = pd.read_csv(v, sep=";")
#converting it into r object for passing into r function
df_r = robjects.conversion.py2rpy(df)
#Invoking the R function and getting the result
df_result_r = mclust_app(df_r)
#Converting it back to a pandas dataframe.
df_result = robjects.conversion.rpy2py(df_result_r)
df_result['cat'] = df_result['Classification'].astype('category')
print(df_result)
binwith=(max(df_result["Data"])-min(df_result["Data"]))/100
c2=df_result[df_result['Classification']==2]["cat"].count()
c1=df_result[df_result['Classification']==1]["cat"].count()
a=(
ggplot() +
geom_histogram(df_result,aes(x="Data",y = "..count.."),
#bins = 100,
binwidth = binwith,
colour = "black"
)
+geom_line(df_result[df_result['cat']==1] ,aes(x="Data",y ="..density.. *c1*binwith"), colour = "red",size = 1, stat = 'density')
+geom_line(df_result[df_result['cat']==2] ,aes(x="Data",y = "..density.. *c2*binwith"), colour = "green",size = 1, stat = 'density')
+geom_line(df_result ,aes(x="Data",y = "..density.. *(c1+c2)*binwith"), colour = "yellow",size = 1, stat = 'density')
#+coord_cartesian(ylim=(0,150), xlim=(0,1000000))
)
a.draw(return_ggplot=True, show=True)
这是R代码：
library(mclust)
applied_mclust <- function(df){
kr1<-Mclust(df$Data,G=2)
print(kr1$density[,2])
df<-cbind(kr1$classification,kr1$data,kr1$z[,2])
df<-data.frame(df)
colnames(df)[1]<-"Classification"
colnames(df)[2]<-"Data"
colnames(df)[3]<-"Proba"
print(summary(kr1, parameters = TRUE))
return(df)
}
And here is a sample of my data: Data 1309009. 7364522. 2899284. 2295116. 1895820. 3399268. 2444428. 3041644. 1579848. 3180522. 2326360. 1857622. 3031202. 3788140. 1677066. 9357568. 1902764. 1725676. 2246494. 1982620. 2315956. 2093726. 2319422. 2128446. 2347204. 2041644. 4517340. 1583320. 2850664. 1690952. 3621504. 1270818. 14319344. 2920112. 1309015. 1774282. 1947898. 1458316. 2420112. 3229124. 4406232. 2211774. 2315946. 3916616. 1645812. 7920120. 6562388. 1427072. 1802066. 2374972. 1329848. 1520818. 2468724. 1444430. 2104144. 2486078. 1569427. 2836768. 1107631. 1666652. 1826368. 1979146. 6979088. 1614570. 1336792. 2656228. 1638868. 1256930. 3017324. 1364572. 2656220. 1979142. 4503456. 1784704. 1256930. 2784688. 1621511. 1572898. 2361088. 1760396. 4805542. 5538134. 2065958. 1847202. 2111084. 1788172. 1895816. 2222204. 3600642. 2017344. 1604150.3086772. 1579848. 2552046. 3868020. 1454850. 1604154. 1784704. 2093728. 2979132. 2607620. 1958314. 1715266. 1531236. 2138862. 1503460. 1739570. 10301952. 1763868. 2604134. 2052060. 1524290. 3604134. 1864572. 4013860. 2545118. 1406234. 2378448. 1947900. 1593728. 6753436. 1489570. 1180542. 1847200. 2680524. 2343728. 2281228. 5489512. 2527766. 1479156. 1746512. 1767342. 1684016. 1993032. 1937482. 2149279. 4357594. 2427062. 5277720. 2534704. 6909656. 1670126. 1638874. 2815958. 2763864. 2222204. 1576376. 2486092. 2253452. 2368032. 2927050. 2840244. 1388878. 5864544. 2565944. 1947902. 2177062. 2190944. 6576288. 2364564. 2249984. 2472196. 1999978. 2683996. 2760388. 2277746. 2263862. 2055534. 4618038. 1322906. 18013708. 2861084. 1309014. 7781192. 4034682. 2708308. 2065950. 2982618. 1170126. 3961756. 1850676. 2524284. 2392328. 2319426. 2374972. 1770812.1663184. 6423486. 1729152. 2013874. 1545121. 1309020. 1993038. 1812476. 3309002. 1913174. 1378462. 1916648. 2243026. 3972192. 1868040. 1506926. 2454836. 1871510. 1534704. 6902688. 2083318. 2045124. 1788178. 2576352. 2364556. 1663174. 3204818. 5524286. 1840264. 1708312. 1708316. 1197906. 1975668. 1583322. 2399286. 2440944. 2850672. 1458320. 1531230. 2309000. 2645790. 1993032. 2611091. 1409706. 5440880. 1708314. 1343740. 1736105. 1593736. 3211782. 1607624. 2416646. 1888866. 1649290. 2920118. 1576374. 2722178. 1475681. 1604154. 1822895. 1499984. 1270821. 1965254. 1336792. 1315960. 1795122. 2336786. 2586790. 2371484. 1583316. 1999976. 1406232. 1576375. 2329836. 2236090. 5100640. 1204848. 1347206. 1760400. 4034686. 5892306. 1163183. 3062456. 1041654. 1437486. 1458318. 1295128. 2239566. 5951310. 1989562. 1208324. 2513856. 1170127. 3065926. 5340224.1878454. 1892346. 3097204. 1531232. 1611096. 1902760. 1635402. 3194410. 2211780. 2562472. 1392350. 1947900. 3166642. 1413176. 1506926. 1315958. 2468722. 1552067. 2659686. 1628456. 2545120. 1697894. 14986064. 2513856. 1749982. 6083250. 1934012. 2097192. 1732624. 5465244. 1531240. 6437426. 1701372. 1340264. 1940960. 1451378. 3020808. 2437466. 2406230. 1989560. 7920058. 2069424. 2673582. 1437490. 1409711. 1614569. 2895808. 1909706. 3874974. 2097198. 3361073. 2041640. 4142311. 4742996. 1746510. 2232624. 3204834. 1795120. 2822884. 1083324. 1840264. 1881924. 3243030. 1885400. 1496508. 3999967. 1552066. 5506864. 3871508. 1114572. 2590252. 2020810. 2263864. 1795118. 2722198. 1947900. 4135392. 1770812. 2840248. 1583312. 4815920. 2437480. 1315960. 1232627. 2180540. 4680476. 2701364. 1732618. 1861088. 2857608. 2270810. 3003442. 1361096. 3138848. 2503448.1597204. 1996512. 1836790. 2531235. 1565954. 3357606. 3722176. 1930544. 5812424. 2052062. 6451302. 1777764. 2305532. 2270808. 1399292. 1791642. 1541650. 6614517. 2704840. 2576358. 1930544. 1878460. 2614552. 1777762. 1222209. 2128458. 2444414. 1538182. 2475680. 1836786. 1767348. 14003322. 6833200. 1489564. 2260394. 4722152. 1951370. 2048594. 1937480. 5149250. 3034692. 2871490. 4885364. 1326374. 2687478. 2374988. 1857622. 3583282. 15524228. 4899261. 2263864. 1524290. 2753444. 4302040. 2256932. 3204816. 1579844. 1729150. 3920092. 3972210. 1618040. 1697898. 1079852. 2402760. 1479150. 2420110. 1586794. 3079814. 5663112. 8614516. 2069420. 3479136. 1413186. 6291614. 3229120. 1114573. 1628456. 2843724. 2336784. 1718734. 1993040. 2246514. 2822886. 1986094. 2600662. 1447894. 1559014. 2062480. 1937484. 3274286. 2645798. 7680458. 3683992. 6104094. 4045116.3166628. 1281236. 2736082. 1618040. 1732622. 1878448. 1725684. 2774258. 3343718. 6329796. 1843734. 1510400. 2513868. 2277752. 3347174. 2027752. 3152732. 3670096. 2298592. 1798588. 2177062. 2423588. 2260392. 2781212. 5076340. 3128434. 1878458. 2156228. 1999984. 2131916. 2743022. 2527756. 2687464. 2552062. 8690938. 2121512. 2263868. 2229144. 2749960. 1965266. 2274285. 1347206. 3406224. 3260390. 1302074. 1579846. 1128464. 2364552. 3069408. 1704852. 2364564. 2222206. 1274290. 1961788. 2031228. 2430528. 1979148. 1607630. 1972206. 1763864. 2086780. 10836576. 1593736. 3183996. 3993036. 1454852. 2569416. 2197892. 2433998. 2746510. 2326368. 3069424. 1951364. 1763876. 6579736. 2135402. 7562472. 1760398. 2187478. 2086799. 2149280. 1479150. 6576328. 3222178. 2263860. 18367843850644. 1812484. 5263844. 1934011. 1954844. 1986100. 3562464. 2378440. 1704846. 2225670. 1812484. 2208312. 2611084. 2354146. 1722200. 2204840. 2024290. 2281230. 1489570. 3399268. 2003456. 5840229. 2124976. 2194432. 1986088. 2156228. 2392341. 2548572. 1899290. 1472212. 1645810. 1642342. 1805540. 5420060. 4437471. 2510392. 1777762. 2322892. 1659708. 1822896. 2111092. 3552060. 1861096. 1249990. 2291644. 3437456. 1687488. 19617736. 2468732. 1489570. 2111096. 3003442. 1260397. 1746510. 1927060. 1437484. 2958319. 1697900. 2159700. 2027750. 1493040. 1993044. 12621450. 1763870. 2048586. 1847200. 1569428. 4156224. 1572904. 1684014. 2479144. 1809002. 2579832. 2659702. 2784704. 1760394. 1402766. 2538172. 2743030. 2583297. 2152754. 1416650. 1409708. 1673596. 5093698. 9367902. 2163176. 1829840. 1628456. 1444430. 2579844. 2541642. 1638878. 3395820. 1506927.1944426. 2850656. 7600670. 1190964. 7083290. 4888844. 2156232. 2937450. 1972206. 2090256. 2461788. 1680536. 5034688. 1809008. 2930522. 2163174. 2989558. 2645808. 4729144. 2027765. 1687480. 10076244. 13506830. 1482626. 2440948. 2347200. 1399298. 2378452. 2256924. 4017320. 1746504. 2222198. 2840248. 1097214. 1878456. 1902762. 1784710. 2152752. 1975676. 1857614. 3461770. 4347184. 1343736. 2017342. 2503446. 2024278. 8600644. 19260212. 1774284. 1972202. 1892347. 1541651. 1204848. 1763871. 2208312. 2777752. 1961784. 2475666. 1989562. 3555512. 1739561. 1843728. 1913180. 2135394. 4013856. 2239564. 1815954. 2065948. 1590264. 1885398. 2392344. 1906226. 3003444. 2930528. 1920114. 5836726. 1819426. 2552052. 1652758. 1430540. 2854134. 4538168. 2982602. 1951370. 1923588. 1579842. 2624954. 2840252. 1749982. 2204834. 3267336. 3763844. 1572902. 3079832. 1604146.2909704. 2329840. 4892312. 4045074. 1958320. 4736060. 3579824. 2159698. 2437468. 2336778. 2430524. 1888868. 2621508. 1711784. 4920094. 3465232. 2267342. 2180532. 2128448. 3895768. 5065914. 2267332. 1857616. 4017316. 2038176. 2857608. 1663172. 6972188. 3055522. 1913178. 3885390. 1802066. 1618036. 2211780. 5131860. 1645816. 1468738. 1895816. 1812482. 5923494. 2024286. 4777732. 1440962. 3104118. 4333290. 3298586. 2357620. 3142332. 2322896. 2597192. 15201120. 2017342. 2232608. 2961772. 11510322. 3024266. 2090250. 2489562. 1663182. 13531168. 10992806. 2690950. 1708318. 2131930. 3618028. 2291638. 1305542. 2302062. 2642330. 1878454. 2371508. 1538176. 1989566. 3284700. 1715264. 2711774. 2256922. 1659702. 3659694. 3385363. 2656223. 2927056. 2343722. 4684004. 2065946. 3607602. 2548578. 1541655. 3798558. 1993044. 5704792. 2298586. 4065942. 5135364. 1784702.1399290. 2666648. 2347195. 1708316. 1704844. 2003456. 1802070. 1895814. 2142336. 6433952. 3604128. 2364554. 1868036. 1736096. 8298520. 2267344. 2211784. 4381896. 1520810. 2232618. 2177058. 2729136. 1878456. 1989562. 3034700. 3819418. 1677068. 2152760. 2569420. 2083322. 7291548. 2722196. 3708296. 2611082. 2975666. 1874976. 2708309. 3138860. 3558992. 2923598. 2100676. 2954822. 1614576. 2447892. 1840260. 1850674. 1701372. 6569392. 11031076. 2805532. 5937440. 1399292. 1909700. 2989548. 1902756. 2076370. 2656220. 1753462. 2902746. 1795120. 1920120. 3499968. 3461768. 2309000. 1597198. 2947896. 1993040. 1388878. 2670106. 2222196. 2527752. 5468732. 2180530. 6138804. 2277750. 1395814. 1930542. 3593708. 1916652. 1902756. 2059008. 3552036. 2524278. 1822896. 1937476. 1895814. 2090248. 1944422. 2444424. 3979116. 1569428. 2635392. 2656228. 2315960. 1795118.2638868. 2635394. 2378460. 1999976. 2753444. 1736088. 2211774. 2312476. 1822900. 2666634. 2993028. 2236086. 1822904. 5663132. 3197878. 3208308. 2385396. 2739564. 4916608. 3489556. 2152750. 2149288. 2593728. 2718716. 1927060. 1708318. 2774272. 2406236. 1993040. 2048590. 2048592. 1715262. 3010380. 2184014. 1277766. 1159708. 2156232. 3774270. 2350672. 1993033. 2531224. 1357622. 1347207. 2534696. 1402758. 1812488. 2756916. 2368036. 13864446. 1510408. 9520660. 1878461. 2895808. 3111076.1357622. 1347207. 2534696. 1402758. 1812488. 2756916. 2368036. 13864446. 1510408. 9520660. 1878461. 2895808. 3111076.1357622. 1347207. 2534696. 1402758. 1812488. 2756916. 2368036. 13864446. 1510408. 9520660. 1878461. 2895808. 3111076.
谢谢是提前。