
212
|
第
7
章
XOM CVX
XOM 1.046318 1.066860
CVX 1.066860 1.915799
两个分布具有相似的均值和相关性,但第二个分布具有更大的方差和协方差。
mclust 给出的聚类可能令人惊奇,但实际上它们展示了这种方法的统计性质。基于模型聚
类的目标是找到一组最佳拟合的多元正态分布。股票数据看上去具有正态分布的形状(参
见图
7-9
中的轮廓线)。实际上,相比于正态分布,股票收益的分布具有更长的尾部。为了
解决这个问题,mclust 对大量数据拟合了一个分布,随后又拟合了具有更大方差的第二个
分布。
7.4.3
类数的选取
不同于
K
-Means
和层次聚类,mclust 会自动选取类数(在本例中,是两个类)。这是通过
选取使
贝叶斯信息准则
(
BIC
)值最大的类数实现的。
BIC
(类似于
AIC
)是在一组候选模
型中找到最佳模型的通用工具。例如,
AIC
(或
BIC
)常用于在逐步回归(参见
4.2.4
节)
中选择模型。
BIC
通过对模型中的参数数量添加一个惩罚项,选择最优拟合模型。在基于
模型的聚类中,增加类数总是会提高模型的拟合度,但代价是在模型中额外地引入了一些
参数。
我们可以使用
hclust
软件包中的函数,绘制不同类数的
BIC
值。
plot(mcl, what='BIC', ask=FALSE)
结果如图
7-11
所示。图中,
x
轴显示了类数,即不同的多元正态模型(成分)的数量。
类数
图 7-11:在选取不同类(成分)数的情况下,股票收益数据的 BIC 值