如何在 R 中拟合多元正态分布？答案

【问题标题】：How to fit a multivariate normal distribution in R?如何在 R 中拟合多元正态分布？
【发布时间】：2020-09-28 02:55:58
【问题描述】：

我需要为 R 中 Iris 数据集中的每个物种拟合多元正态分布。我看到 mvtnormpackage 可能有用；但是，我想使用最大似然估计，但不确定如何在 R 中这样做。有什么想法吗？

【问题讨论】：

试试mclust 包。
我用下面的代码试过了；但是，如何将其调整为使用 MLE？ his<-MVN::mvn(data=iris, subset="Species", univariatePlot="histogram")

标签： r normal-distribution multivariate-testing iris-dataset

【解决方案1】：

如果您只想为每个物种拟合一个分布，您可能需要Rfast 包中的mvnorm.mle：

install.packages("Rfast")
library(Rfast)
iris.split <- split(iris[, 1:4], iris$Species)
iris.mvnorm <- lapply(iris.split, function(x) mvnorm.mle(as.matrix(x)))
iris.mvnorm[["setosa"]]
# $loglik
# [1] 44.91657
#
# $mu
# [1] 5.006 3.428 1.462 0.246
#
# $sigma
#              Sepal.Length Sepal.Width Petal.Length Petal.Width
# Sepal.Length     0.121764    0.097232     0.016028    0.010124
# Sepal.Width      0.097232    0.140816     0.011464    0.009112
# Petal.Length     0.016028    0.011464     0.029556    0.005948
# Petal.Width      0.010124    0.009112     0.005948    0.010884

其他物种存储在iris.mvnorm[["versicolor"]]和iris.mvnorm[["virginica"]]。

【讨论】：

【解决方案2】：

您似乎正在寻找混合判别分析（因为类标签是已知的）。在这种情况下，您可以使用 mclust 包中的 MclustDA。

 model= MclustDA(data = iris[,1:4], class = iris$Species)
 summary(model)

但是，如果您希望通过拟合多元高斯混合对数据进行聚类，则可以使用 Mclust 函数。

  fit = Mclust(data = iris[,1:4], G=3)
  table(fit$classification, iris$Species)

 #   setosa versicolor virginica
 # 1     50          0         0
 # 2      0         45         0
 # 3      0          5        50

【讨论】：

再次，我如何确保它适合使用 MLE？
阅读documentation：“mclust 使用 EM 算法进行最大似然估计。”