Sparklyr中的高斯混合模型聚类

Question

我正在尝试在sparklyr中使用高斯混合模型对数据进行聚类：

ml_gaussian_mixture(formula= ~ var1 + var2 + var3 + var4 + var5, k = 5)

但是，调用此函数不会像ml_kmeans()那样返回度量聚类数的度量（此函数返回WSSSE）。是否有办法获取Sparklyr中ml_gaussian_mixture()的Silhouette得分或BIC？

Answer 1

使用

gmm_model <- ml_gaussian_mixture(iris_tbl, Species ~ .)

您可以获得对数似然

gmm_model$summary$log_likelihood

然后您可以用来获取BIC或AIC。

我确信必须有一种直接获取它的方法。但是，如果没有，您可以将BIC计算为

log(n) + k-1 + k * p + k * p * (p-1) / 2 - 2 * gmm_model$summary$log_likelihood

n-样本数，k-簇数，p-变量数。在上面，k-1 + k * p + k * p * (p-1) / 2是高斯混合模型（具有无约束协方差矩阵）中自由参数的数量

---

示例：

library(sparklyr)
sc <- spark_connect(master = "local")
iris_tbl <- sdf_copy_to(sc, iris, name = "iris_tbl", overwrite = TRUE)
gmm_model <- ml_gaussian_mixture(iris_tbl, Species ~ .)

gmm_model$summary$log_likelihood
#[1] -294.1398