В настоящее время я пытаюсь вменять недостающие данные с помощью модели смеси Гаусса. Мой справочный документ отсюда: http://mlg.eng.cam.ac.uk/zoubin/papers/nips93.pdf
В настоящее время я сосредоточен на двумерном наборе данных с двумя гауссовыми компонентами. Это код для определения веса для каждого гауссовского компонента:
myData = faithful[,1:2]; # the data matrix
for (i in (1:N)) {
prob1 = pi1*dmvnorm(na.exclude(myData[,1:2]),m1,Sigma1); # probabilities of sample points under model 1
prob2 = pi2*dmvnorm(na.exclude(myData[,1:2]),m2,Sigma2); # same for model 2
Z<-rbinom(no,1,prob1/(prob1 + prob2 )) # Z is latent variable as to assign each data point to the particular component
pi1<-rbeta(1,sum(Z)+1/2,no-sum(Z)+1/2)
if (pi1>1/2) {
pi1<-1-pi1
Z<-1-Z
}
}
Это мой код для определения недостающих значений:
> whichMissXY<-myData[ which(is.na(myData$waiting)),1:2]
> whichMissXY
eruptions waiting
11 1.833 NA
12 3.917 NA
13 4.200 NA
14 1.750 NA
15 4.700 NA
16 2.167 NA
17 1.750 NA
18 4.800 NA
19 1.600 NA
20 4.250 NA
Мое ограничение заключается в том, как вменять недостающие данные в «ожидающую» переменную на основе конкретного компонента. Этот код - моя первая попытка вменять недостающие данные с использованием условного среднего вменения. Я знаю, это определенно неправильный путь. Результат не будет лгать конкретному компоненту и производить выбросы.
miss.B2 <- which(is.na(myData$waiting))
for (i in miss.B2) {
myData[i, "waiting"] <- m1[2] + ((rho * sqrt(Sigma1[2,2]/Sigma1[1,1])) * (myData[i, "eruptions"] - m1[1] ) + rnorm(1,0,Sigma1[2,2]))
#print(miss.B[i,])
}
Я был бы признателен, если бы кто-нибудь мог дать какой-либо совет о том, как улучшить метод вменения, который мог бы работать со скрытой / скрытой переменной через модель гауссовой смеси. заранее спасибо
