Discussion :

[abaloval]

Bonjour,


j'aimerais utiliser l'algo EM de mclust sur le cas le plus simple (mélange de 4 gaussiennes en 4 dimensions) et obtenir les 4 moyennes, les 4 variances et les 4 proportions.
je suppose que la fonction "em" effectue l'algo sur un certain nombre d'itérations (combien ? ...). Mais lorsque je place le code suivant, il me dit que la parameters$pro est incorrect (j'ai mis rep(.25,4)...)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
N=1000
w=sample(1:4, N, replace=TRUE,prob=c(.1,.5,.15,.15) )
echantillon=(w==1)*rnorm(N,-5,1)+(w==2)*rnorm(N,10,4)+(w==3)*rnorm(N,0,.5)+(w==4)*rnorm(N,5,10)
 
 
 ech=as.matrix(echantillon)
 par=data.frame(pro=rep(.25,4),mean=rep(1,4),variance=rep(1,4))
 em(modelName="EEE", data=ech,parameters=par)
 
 estep(modelName="EEE", data=ech,parameters=par)

Si quelqu'un peut m'expliquer ce qui se passe, ce serait super.
Merci par avance.

[pitipoisson]

Bonjour et bienvenue,

Ça fait plaisir de voir une question accompagnée d'exemples exécutables !

Malheureusement, je n'ai pas réussi à y voir plus clair mais je peux peut-être apporter une maigre contribution tout de même.

• Concernant le nombre d'itérations, tu trouveras le défaut et la manière de le changer avec

  Code :

  Sélectionner tout - Visualiser dans une fenêtre à part

  ?emControl

• Pour la définition du modèle et des paramètres, tu peux peut-être t'inspirer de l'exemple dans l'aide de em. Il semble y avoir des fonctions dédiées à la construction du modèle, et notamment des paramètres :
  Voire notamment ce que donne

  Code :

  Sélectionner tout - Visualiser dans une fenêtre à part

  msEst$parameters

  dans l'exemple.

Je ne peux pas t'aider davantage, ne connaissant pas ce type de modèle.

[abaloval]

Bonjour,


merci, pitipoisson. Je t'avoue que j'avais laissé un peu tomber pour m'activer sur les autres cours qui s'empilent, mais maintenant, je dois m'y remettre et achever la bête...

Après recherches, j'obtiens ci-dessous un programme qui semble donner un résultat. Mais hélas, les variances sont très éloignées des valeurs d'origine.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
 
#install.packages("mclust_3.4.10.zip", repos=NULL)
library(mclust)
 
N=1000
w=sample(1:4, N, replace=TRUE,prob=c(.1,.5,.15,.25) )
ech=(w==1)*rnorm(N,-5,1)+(w==2)*rnorm(N,10,4)+(w==3)*rnorm(N,0,.5)+(w==4)*rnorm(N,5,10)
ech=as.matrix(ech)
 
testt=Mclust(ech, G=4)#, control=userParam)    #CHOISIR userParam$eps plus petit eventuellement...
testt$parameters$pro
testt$parameters$mea
testt$parameters$var$sig
 
#A comparer avec le melange d'origine :
#pro = .1  .5  .15  .25
#mean = -5  10  0  5
#sigma = 1  4  .5  10

Pourtant, un copain a programmé l'algo EM en scilab, et le résultat me semblait meilleur. Enfin bon c'est mieux que rien. Les moyennes semblent bonnes...

J'essaie de continuer là dessus... Et si quelqu'un sait pourquoi mes variances sont aussi aberantes, ça m'intéresse, bien sûr ...

A bientôt.

[lilly74]

Bonjour,

êtes-vous sûr d'avoir deux variances et non pas une variance et un écart-type?

En effet:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
> sqrt(testt$parameters$var$sig)
[1]  1.2919960  0.4611853  4.2587119 11.4232176
 #sigma = 1  4  .5  10

Est-ce une coïncidence?

Bonne journée