Generates m datasets with random draws of a variable named class, with
probability for these draws based on each case's probability of belonging to
that class according to the model in x.
append_class_draws(x, data = NULL, m = 20)An object for which a method exists, usually a mx_mixture model.
A data.frame which the class variable is appended to. Note
that the row order must be identical to that of the data used to fit x,
as these data will be augmented with a pseudo-class draw for that specific
individual.
Integer. Number of datasets to generate. Default is 10.
A data.frame of class class_draws.
dat <- iris[c(1:5, 50:55, 100:105),1:3]
colnames(dat) <- letters[1:3]
fit <- mx_profiles(data = dat, classes = 2)
#> Running mix2 with 10 parameters
#> Running mix2 with 10 parameters
append_class_draws(fit, data = iris[c(1:5, 50:55, 100:105), 4, drop = FALSE])
#> id_dataset Petal.Width class
#> 1 1 0.2 2
#> 2 1 0.2 2
#> 3 1 0.2 2
#> 4 1 0.2 2
#> 5 1 0.2 2
#> 50 1 0.2 2
#> 51 1 1.4 1
#> 52 1 1.5 1
#> 53 1 1.5 1
#> 54 1 1.3 1
#> 55 1 1.5 1
#> 100 1 1.3 1
#> 101 1 2.5 1
#> 102 1 1.9 1
#> 103 1 2.1 1
#> 104 1 1.8 1
#> 105 1 2.2 1
#> 11 2 0.2 2
#> 21 2 0.2 2
#> 31 2 0.2 2
#> 41 2 0.2 2
#> 56 2 0.2 2
#> 501 2 0.2 2
#> 511 2 1.4 1
#> 521 2 1.5 1
#> 531 2 1.5 1
#> 541 2 1.3 1
#> 551 2 1.5 1
#> 1001 2 1.3 1
#> 1011 2 2.5 1
#> 1021 2 1.9 1
#> 1031 2 2.1 1
#> 1041 2 1.8 1
#> 1051 2 2.2 1
#> 12 3 0.2 2
#> 22 3 0.2 2
#> 32 3 0.2 2
#> 42 3 0.2 2
#> 57 3 0.2 2
#> 502 3 0.2 2
#> 512 3 1.4 1
#> 522 3 1.5 1
#> 532 3 1.5 1
#> 542 3 1.3 1
#> 552 3 1.5 1
#> 1002 3 1.3 1
#> 1012 3 2.5 1
#> 1022 3 1.9 1
#> 1032 3 2.1 1
#> 1042 3 1.8 1
#> 1052 3 2.2 1
#> 13 4 0.2 2
#> 23 4 0.2 2
#> 33 4 0.2 2
#> 43 4 0.2 2
#> 58 4 0.2 2
#> 503 4 0.2 2
#> 513 4 1.4 1
#> 523 4 1.5 1
#> 533 4 1.5 1
#> 543 4 1.3 1
#> 553 4 1.5 1
#> 1003 4 1.3 1
#> 1013 4 2.5 1
#> 1023 4 1.9 1
#> 1033 4 2.1 1
#> 1043 4 1.8 1
#> 1053 4 2.2 1
#> 14 5 0.2 2
#> 24 5 0.2 2
#> 34 5 0.2 2
#> 44 5 0.2 2
#> 59 5 0.2 2
#> 504 5 0.2 2
#> 514 5 1.4 1
#> 524 5 1.5 1
#> 534 5 1.5 1
#> 544 5 1.3 1
#> 554 5 1.5 1
#> 1004 5 1.3 1
#> 1014 5 2.5 1
#> 1024 5 1.9 1
#> 1034 5 2.1 1
#> 1044 5 1.8 1
#> 1054 5 2.2 1
#> 15 6 0.2 2
#> 25 6 0.2 2
#> 35 6 0.2 2
#> 45 6 0.2 2
#> 510 6 0.2 2
#> 505 6 0.2 2
#> 515 6 1.4 1
#> 525 6 1.5 1
#> 535 6 1.5 1
#> 545 6 1.3 1
#> 555 6 1.5 1
#> 1005 6 1.3 1
#> 1015 6 2.5 1
#> 1025 6 1.9 1
#> 1035 6 2.1 1
#> 1045 6 1.8 1
#> 1055 6 2.2 1
#> 16 7 0.2 2
#> 26 7 0.2 2
#> 36 7 0.2 2
#> 46 7 0.2 2
#> 516 7 0.2 2
#> 506 7 0.2 2
#> 517 7 1.4 1
#> 526 7 1.5 1
#> 536 7 1.5 1
#> 546 7 1.3 1
#> 556 7 1.5 1
#> 1006 7 1.3 1
#> 1016 7 2.5 1
#> 1026 7 1.9 1
#> 1036 7 2.1 1
#> 1046 7 1.8 1
#> 1056 7 2.2 1
#> 17 8 0.2 2
#> 27 8 0.2 2
#> 37 8 0.2 2
#> 47 8 0.2 2
#> 518 8 0.2 2
#> 507 8 0.2 2
#> 519 8 1.4 1
#> 527 8 1.5 1
#> 537 8 1.5 1
#> 547 8 1.3 1
#> 557 8 1.5 1
#> 1007 8 1.3 1
#> 1017 8 2.5 1
#> 1027 8 1.9 1
#> 1037 8 2.1 1
#> 1047 8 1.8 1
#> 1057 8 2.2 1
#> 18 9 0.2 2
#> 28 9 0.2 2
#> 38 9 0.2 2
#> 48 9 0.2 2
#> 520 9 0.2 2
#> 508 9 0.2 2
#> 5110 9 1.4 1
#> 528 9 1.5 1
#> 538 9 1.5 1
#> 548 9 1.3 1
#> 558 9 1.5 1
#> 1008 9 1.3 1
#> 1018 9 2.5 1
#> 1028 9 1.9 1
#> 1038 9 2.1 1
#> 1048 9 1.8 1
#> 1058 9 2.2 1
#> 19 10 0.2 2
#> 29 10 0.2 2
#> 39 10 0.2 2
#> 49 10 0.2 2
#> 529 10 0.2 2
#> 509 10 0.2 2
#> 5111 10 1.4 1
#> 5210 10 1.5 1
#> 539 10 1.5 1
#> 549 10 1.3 1
#> 559 10 1.5 1
#> 1009 10 1.3 1
#> 1019 10 2.5 1
#> 1029 10 1.9 1
#> 1039 10 2.1 1
#> 1049 10 1.8 1
#> 1059 10 2.2 1
#> 110 11 0.2 2
#> 210 11 0.2 2
#> 310 11 0.2 2
#> 410 11 0.2 2
#> 530 11 0.2 2
#> 5010 11 0.2 2
#> 5112 11 1.4 1
#> 5211 11 1.5 1
#> 5310 11 1.5 1
#> 5410 11 1.3 1
#> 5510 11 1.5 1
#> 10010 11 1.3 1
#> 10110 11 2.5 1
#> 10210 11 1.9 1
#> 10310 11 2.1 1
#> 10410 11 1.8 1
#> 10510 11 2.2 1
#> 111 12 0.2 2
#> 211 12 0.2 2
#> 311 12 0.2 2
#> 411 12 0.2 2
#> 540 12 0.2 2
#> 5011 12 0.2 2
#> 5113 12 1.4 1
#> 5212 12 1.5 1
#> 5311 12 1.5 1
#> 5411 12 1.3 1
#> 5511 12 1.5 1
#> 10011 12 1.3 1
#> 10111 12 2.5 1
#> 10211 12 1.9 1
#> 10311 12 2.1 1
#> 10411 12 1.8 1
#> 10511 12 2.2 1
#> 112 13 0.2 2
#> 212 13 0.2 2
#> 312 13 0.2 2
#> 412 13 0.2 2
#> 550 13 0.2 2
#> 5012 13 0.2 2
#> 5114 13 1.4 1
#> 5213 13 1.5 1
#> 5312 13 1.5 1
#> 5412 13 1.3 1
#> 5512 13 1.5 1
#> 10012 13 1.3 1
#> 10112 13 2.5 1
#> 10212 13 1.9 1
#> 10312 13 2.1 1
#> 10412 13 1.8 1
#> 10512 13 2.2 1
#> 113 14 0.2 2
#> 213 14 0.2 2
#> 313 14 0.2 2
#> 413 14 0.2 2
#> 560 14 0.2 2
#> 5013 14 0.2 2
#> 5115 14 1.4 1
#> 5214 14 1.5 1
#> 5313 14 1.5 1
#> 5413 14 1.3 1
#> 5513 14 1.5 1
#> 10013 14 1.3 1
#> 10113 14 2.5 1
#> 10213 14 1.9 1
#> 10313 14 2.1 1
#> 10413 14 1.8 1
#> 10513 14 2.2 1
#> 114 15 0.2 2
#> 214 15 0.2 2
#> 314 15 0.2 2
#> 414 15 0.2 2
#> 561 15 0.2 2
#> 5014 15 0.2 2
#> 5116 15 1.4 1
#> 5215 15 1.5 1
#> 5314 15 1.5 1
#> 5414 15 1.3 1
#> 5514 15 1.5 1
#> 10014 15 1.3 1
#> 10114 15 2.5 1
#> 10214 15 1.9 1
#> 10314 15 2.1 1
#> 10414 15 1.8 1
#> 10514 15 2.2 1
#> 115 16 0.2 2
#> 215 16 0.2 2
#> 315 16 0.2 2
#> 415 16 0.2 2
#> 562 16 0.2 2
#> 5015 16 0.2 2
#> 5117 16 1.4 1
#> 5216 16 1.5 1
#> 5315 16 1.5 1
#> 5415 16 1.3 1
#> 5515 16 1.5 1
#> 10015 16 1.3 1
#> 10115 16 2.5 1
#> 10215 16 1.9 1
#> 10315 16 2.1 1
#> 10415 16 1.8 1
#> 10515 16 2.2 1
#> 116 17 0.2 2
#> 216 17 0.2 2
#> 316 17 0.2 2
#> 416 17 0.2 2
#> 563 17 0.2 2
#> 5016 17 0.2 2
#> 5118 17 1.4 1
#> 5217 17 1.5 1
#> 5316 17 1.5 1
#> 5416 17 1.3 1
#> 5516 17 1.5 1
#> 10016 17 1.3 1
#> 10116 17 2.5 1
#> 10216 17 1.9 1
#> 10316 17 2.1 1
#> 10416 17 1.8 1
#> 10516 17 2.2 1
#> 117 18 0.2 2
#> 217 18 0.2 2
#> 317 18 0.2 2
#> 417 18 0.2 2
#> 564 18 0.2 2
#> 5017 18 0.2 2
#> 5119 18 1.4 1
#> 5218 18 1.5 1
#> 5317 18 1.5 1
#> 5417 18 1.3 1
#> 5517 18 1.5 1
#> 10017 18 1.3 1
#> 10117 18 2.5 1
#> 10217 18 1.9 1
#> 10317 18 2.1 1
#> 10417 18 1.8 1
#> 10517 18 2.2 1
#> 118 19 0.2 2
#> 218 19 0.2 2
#> 318 19 0.2 2
#> 418 19 0.2 2
#> 565 19 0.2 2
#> 5018 19 0.2 2
#> 5120 19 1.4 1
#> 5219 19 1.5 1
#> 5318 19 1.5 1
#> 5418 19 1.3 1
#> 5518 19 1.5 1
#> 10018 19 1.3 1
#> 10118 19 2.5 1
#> 10218 19 1.9 1
#> 10318 19 2.1 1
#> 10418 19 1.8 1
#> 10518 19 2.2 1
#> 119 20 0.2 2
#> 219 20 0.2 2
#> 319 20 0.2 2
#> 419 20 0.2 2
#> 566 20 0.2 2
#> 5019 20 0.2 2
#> 5121 20 1.4 1
#> 5220 20 1.5 1
#> 5319 20 1.5 1
#> 5419 20 1.3 1
#> 5519 20 1.5 1
#> 10019 20 1.3 1
#> 10119 20 2.5 1
#> 10219 20 1.9 1
#> 10319 20 2.1 1
#> 10419 20 1.8 1
#> 10519 20 2.2 1