Estoy trabajando con el paquete Clickclust, la función principal del paquete es click.EM() tiene los siguientes valores por defecto:
click.EM(X, y = NULL, K, eps = 1e-10, r = 100, iter = 5, min.beta = 1e-3,
min.gamma = 1e-3, scale.const = 1)
La función funciona sin problemas con los parámetros por defecto en el primer ejemplo que viene incluido en el paquete:
data("synth", package = "ClickClust")
synth$data
repl.levs <- function(x, ch.lev) {
for (j in 1:length(ch.lev)) x <- gsub(ch.levs[j], j, x)
return(x)
}
d <- paste(synth$data, collapse = " ")
d <- strsplit(d, " ")[[1]]
ch.levs <- levels(as.factor(d))
S <- strsplit(synth$data, " ")
S <- sapply(S, repl.levs, ch.levs)
S <- sapply(S, as.numeric); S
C <- click.read(S)
C
set.seed(123)
M2 <- click.EM(X = C$X, y = C$y, K = 2)
M2
#######################################################
K = 2, p = 5, logl = -11684.21, BIC = 23638.98
Cluster sizes:
1 2
174 76
.......
Sin embargo cuando se utiliza un set de datos más complicado como por ejemplo el que muestra al final de el ejemplo del paquete, es necesario cambiar los parámetros por defecto de la función click.EM() para que pueda ajustarse el modelo y obtener distintos cluster y un valor distinto a BIC = NaN. En el mismo paquete realizan un cambio de los parámetros por defecto como se observa a continuación:
set.seed(1234)
data("msnbc323", package = "ClickClust")
n <- length(msnbc323)
C <- click.read(msnbc323)
M1 <- click.EM(X = C$X, y = C$y, K = 1, iter = 10, r = 250,
scale.const = 2)
M2 <- click.EM(X = C$X, y = C$y, K = 2, iter = 10, r = 250,
scale.const = 2)
M3 <- click.EM(X = C$X, y = C$y, K = 3, iter = 10, r = 250,
scale.const = 2)
Se observa que se cambian los valores por defecto de los parámetros iter,r y scale.const, no se explica el criterio ni la razón por la cual fueron seleccionados estos nuevos valores. Si no se cambian el modelo no puede realizar el ajuste.
Actualmente estoy trabajando con una lista de 14000 secuencias de compras que tiene un tamaño entre 100 y 1000 elementos cada una con 20 estados, para poder ajustar de manera correcta el modelo tendría que probar una gran cantidad de valores en los distintos parámetros.
Existe alguna manera de obtener los valores óptimos en los parámetros ?