1D 데이터가 1 ​​개 또는 3 개의 값으로 묶여 있는지 여부를 정량적으로 알려주는 방법은 무엇입니까?

인간의 심장 박동 사이의 시간에 대한 데이터가 있습니다. 이소성 (추가) 박동의 한 가지 징후는 이러한 간격이 하나가 아닌 세 개의 값으로 묶여 있다는 것입니다. 이를 정량적으로 측정하려면 어떻게해야합니까?

여러 데이터 세트를 비교하려고 하는데이 두 개의 100 빈 히스토그램이 모두 대표적입니다.

분산을 비교할 수는 있지만 알고리즘이 다른 경우와 비교하지 않고 각 경우에 하나 또는 세 개의 클러스터가 있는지 여부를 감지 할 수 있기를 원합니다.

이것은 오프라인 처리를위한 것이므로 필요한 경우 많은 계산 기능을 사용할 수 있습니다.

k- 평균 을 사용하지 말 것을 강력히 권합니다 . k의 다른 값에 대한 결과는 비교가되지 않습니다. 이 방법은 조잡한 휴리스틱입니다. 실제로 클러스터링을 사용하려면 데이터에 정규 분포가 포함되어있는 것처럼 보이기 때문에 EM 클러스터링을 사용하십시오. 결과를 검증하십시오!

대신, 명백한 접근 방식은 단일 가우시안 함수를 맞추고 (예를 들어 Levenberg-Marquard 방법을 사용하여) 세 개의 가우시안 함수를 맞추는 것입니다.

그런 다음 두 분포 중 어느 것이 더 적합한 지 테스트합니다.

3 개의 정규 분포의 혼합과 같은 혼합 분포를 데이터에 적합시킨 다음 단일 정규 분포의 적합도 (우도 비율 검정 또는 AIC / BIC 사용)와 비교할 수 있습니다. flexmix에 대한 패키지 R도움이 될 수 있습니다.

K- 평균 군집화를 사용하려면 다음을 비교할 방법이 필요합니다. $K=1$ 과 $K=3$사례. Tibshirani 등 의 간격 통계 를 사용하는 방법이 있습니다 . 그리고$K$더 나은 가치를 제공합니다. SLmisc 에는 R 구현이 있지만 특정 기능은 시도합니다.$K=1,2,3$따라서 다음을 보장하기 위해주의를 기울여야합니다. $K=1$ 또는 $K=3$ 최적의 값으로 반환 될 수 있습니다.

K- 평균 군집 알고리즘을 사용하여 다양한 방법을 식별하십시오.

적절한 기능을 찾으려면 R-seek에서 KNN 함수를 찾으십시오.