4

C1 と C2 の 2 つのクラスがあり、どちらも平均が (0,0) と (1,3) で共分散が I と 2I の二変量ガウス分布によって表されます。C1 と C2 の事前確率は、それぞれ 0.4 と 0.6 です。

後でいくつかの分類境界を計算する目的で、R の散布図に C1 の 10 ポイントと C2 の 15 ポイントをプロットする必要があるため、これは問題の重要な部分ではありません。その方法を知る必要があるだけです。始められるように。

オンラインでドキュメントを調べてみましたが、役に立たないようです。

4

3 に答える 3

3

これを試してください

library('MASS')
sz_1<-10;
sz_2<-15;    df<-rbind(data.frame(mvrnorm(n=sz_1,mu=c(0,0),Sigma=diag(2))),data.frame(mvrnorm(n=sz_2,mu=c(1,3),Sigma=2*diag(2))));
plot(df,xlab="x-value",ylab="y-value",col="purple",main="scatter-plot of mixed gaussians");
于 2013-02-22T06:18:44.407 に答える
1
require(mvtnorm)
l=3
sigma <- matrix(c(l,2,2,2*l), ncol=2)
C2 <- rmvnorm(n=15, mean=c(1,3), sigma=sigma)
C1 <- rmvnorm(n=10, mean=c(0,0), sigma=sigma)

 plot(C1, xlim=range( c(C1[,1],C2[,1]) ) , ylim=range( c(C1[,2],C2[,2]) ) , col="red")
 points(C2,  col="blue")

ここに画像の説明を入力してください

于 2013-02-22T06:29:00.277 に答える
0

そこで見つけた dmnorm 関数は、目的の 2 次元ガウス分布を生成しますが、2 つの別個のクラスの問題はまだあります。そのためには、以前の 0.4 と 0.6 を使用します。Bernoulli または runif()<p を使用して、順次生成される各ポイントのクラスを選択できます。それはそれを行う必要があります。

于 2013-02-22T06:15:12.927 に答える