用R做GMM模型

下面是一个使用R语言实现GMM（高斯混合模型）的示例代码。

首先，需要导入必要的库，包括`mclust`和`ggplot2`：

library(mclust)
library(ggplot2)

接着，加载数据集并可视化：

data <- iris[, 1:4]
ggplot(data, aes(x = Petal.Length, y = Petal.Width, color = Species)) + geom_point()

这里使用鸢尾花数据集，绘制花瓣长度和花瓣宽度之间的关系图。

然后，使用`Mclust`包中的`Mclust`函数来拟合GMM模型：

fit <- Mclust(data)

这里使用默认的参数，`Mclust`函数会自动选择最优的模型。

接着，绘制聚类结果：

cluster <- fit$classification
ggplot(data, aes(x = Petal.Length, y = Petal.Width, color = factor(cluster))) + geom_point()

这里使用拟合得到的聚类结果来对数据进行分类，绘制分类结果图。

最后，输出聚类结果和各个聚类的均值和方差：

cat("Cluster:", unique(fit$classification), "\n")
cat("Means:\n", fit$parameters$mean, "\n")
cat("Variances:\n", fit$parameters$variance, "\n")

输出的结果包括分类结果和每个聚类的均值和方差。

完整的代码如下：

library(mclust)
library(ggplot2)

# 加载数据集并可视化
data <- iris[, 1:4]
ggplot(data, aes(x = Petal.Length, y = Petal.Width, color = Species)) + geom_point()

# 拟合GMM模型
fit <- Mclust(data)

# 绘制聚类结果
cluster <- fit$classification
ggplot(data, aes(x = Petal.Length, y = Petal.Width, color = factor(cluster))) + geom_point()

# 输出聚类结果和各个聚类的均值和方差
cat("Cluster:", unique(fit$classification), "\n")
cat("Means:\n", fit$parameters$mean, "\n")
cat("Variances:\n", fit$parameters$variance, "\n")