$$ f(x;\lambda) = \begin{cases} \lambda e^{-\lambda x}, & x \ge 0, \\ 0, & x < 0. \end{cases}, \quad s.t. \quad \lambda > 0, \quad x \in [0, +\infty)$$ # Distributions |
$$ f(x;\lambda) = \begin{cases} \lambda e^{-\lambda x}, & x \ge 0, \\ 0, & x < 0. \end{cases}, \quad s.t. \quad \lambda > 0, \quad x \in [0, +\infty)$$ # Distributions |
最近有关对风险的兴趣,我别用机器学习的数据分类方法,想应用最优贝叶斯分类器的。但是,我希望分类高维数的数据的。还有,因有对风险的兴趣,我想练习一下如何做有参数的分布拟合。但是,我们知道在不少状况下(比如,人的脸的表面)我们没有一个合适数据的参数分布,所以想用非参数统计分布。其实,我最近看的有关在风险分析被应用的分布的书的作者说我们应该用参数分布只在一下的4个状况下:1)根据理论这个数据应该服从一个分布,2)没有理论承认它,但是普遍承认一个随机变量服从一个分布,3)分布是个专家意见的好模型,并没有很高的准确性的需要,4)希望用长尾(超过极值/观测值)的分布。这些状况写以外的状况下作者推荐用非参数分布。那么,我做了这样的计划:
1. 先学习如何用R做高维随机向量。
2. 学习如何用R做主成分分析。
3. 学习如何用R做分布拟合。
4. 学习如何用R做非参数分布求出。
5. 应用简单的贝叶斯判定规则。
然后写了这样的代码:
# 维数,可以改变,比如为500 n = 2 library(mvtnorm) # 协方差矩阵 s = matrix(rep(0.9,n),n,n)+diag(0.1,n,n) m = diag(2,n,n) set.seed(1) # 这里我希望做一点儿更多各种个样的数据,所以改变 x <- rmvnorm(n=500, mean=c(rep(-4,n-1),0), sigma=s) y <- rmvnorm(n=500, mean=rep(0,n), sigma=solve(s)/5) z <- rmvnorm(n=500, mean=c(rep(4,n-1),0), sigma=s) u <- rmvnorm(n=3000, mean=c(rep(10,n-1),2), sigma=m) Data <- rbind(x,y,z,u) # 如果用散点图看它,会看到好像“ ~o ”的二维的 plot(Data) #(一共发生了4500个随机变量。1500对尾巴,3000对头)
X = data.frame(Data) Y = princomp(X) # 求出最高方差的数据的一维投影 Z <- as.matrix(X) %*% as.matrix(Y$loadings[, 1]) # 如果想看看这一个主成分的方差的比例(%): ((Y$sd^2)[1]/sum(Y$sd^2))*100 plot(Z)
# 做分布拟合之前用 factor 区别这两个分类,我们只要一个:3000个“头”的向量。 f <- factor(c(rep(1, 1500), rep(2,3000))) rez <- split(Z,f) library(fitdistrplus) # 假定rez$`2`(3000个“头”的向量)服从正态分布,因为我用正态分布发生器发生了这些数据。(+但是我们这里应该做正态性检验,我以后做) # 用最大似然估计,做了分布拟合: fg.mme <- fitdist(rez$`2`,'norm',method='mme') # 想用最大似然估计的话,用 method='mle' (+一定要用适合度检测,以后做) # 可以发生新的观测:rnorm(100,fg.mme$estimate['mean'],fg.mme$estimate['sd']) print(fg.mme) a = seq(-15,-5,by=0.05) b = dnorm(x, fg.mme$estimate['mean'],fg.mme$estimate['sd'])
Fitting of the distribution ' norm ' by matching moments Parameters: estimate mean -10.154850 sd 1.432982
# 假定rez$`2`(1500个”尾巴“的向量)服从什么不认识的分布。 # R有很有用的函数 density() ,它求出核密度估计: fit <- density(rez$`1`,kernel='gaussian') # 但是这个核密度估计没有概率密度函数。我发现了其实 fit <- density(x) 会给我 fit$x 和 fit$y 的值。这些 fit$y 就是核密度估计的向量。 plot(fit$x, fit$y) # 那,我应用这核密度估计的向量,和相对应 fit$x 定义域的值的向量,写了个函数: QL <- function(ft,x) { i = which.min(abs(ft$x - x)) f = fit$y[i] return(f) } # 这个函数求出相对应和密度函数的函数参数 x 最近的 fit$x 的 fit$y 值,比如 QL(fit,0.5) = 相对应最近 x = 0.5 的 fit$x 值的 fit$y 值。 QL(fit,-5)
O = rmvnorm(n=1, mean=c(rep(6,n-1),0), sigma=s) # 有了新的观测 O 之后实行特征提取: o = as.matrix(O) %*% as.matrix(Y$loadings[, 1]); print(o) # 为了应用贝叶斯规则,求出先验概率。假定先验概率等于相对次数:1500尾巴的向量/4500, 3000头的向量/4500,就是 1/3 和 2/3。 prior_A = 1500/4500 prior_B = 3000/4500 # 为了求出条件概率的值,计算相对应 o 的两个求出的(条件)密度函数的密度值: density_A = QL(fit, o) # ”尾巴“为条件的时候的密度的值 density_B = dnorm(o, fg.mme$estimate['mean'],fg.mme$estimate['sd']) # ”头“的时候的密度的值 # 判定规则:选择最大的期望值的分类: # 尾巴的期望值: A = prior_A * density_A; print(A) # 头的期望值: B = prior_B * density_B; print(B) # 判定: if (A > B) { print("尾巴"); } else if (B > A) { print("头"); } else { print("不知到"); } # 两个分布的密度的图: plot(density(Z))
那么,我还要做这个分类器的接受机工作特性曲线,但是以后做。我觉得我的R知识,也数据分析的知识还是很基本(我还不是个专家,是个多面手,但是我现在之后希望多点集中统计学,成为专家),请大家分享建议。