從模型係數中獲取 AIC/似然也許有點跑題了，但是：
我從 R GLMNet（一個通用的回歸彈性網絡包，因為客戶不會從 JMP 10 升級）得到一個模型，我需要計算 AIC。 這個包裹似乎沒有給我可能性。 那麼...是否可以根據係數計算最大似然？ 該模型是使用最大似然法製作的，因此我希望如果我選擇了模型，可以通過某種方式提取此信息。 可能不是，但我現在正在抓住救命稻草。
回复：從模型係數中獲取 AIC/可能性打擾一下，你有關於“Deviance(null) - Deviance(fit) = 2(L(model)-L(null))”的參考嗎？
使用 2(L(model)-L(null) 你是說它是“ 2 對數似然“ 或者 ” 2 日誌 (L0/L1) “？不應該是“ -2 對數似然” ，或者 Deviance(null) - Deviance(fit) 的方程忽略負號 (-)？
抱歉這個問題太快了。
回复：從模型係數中獲取 AIC/可能性打擾一下，說明“D eviance(null) - Deviance(fit) = 2(L(model)-L(null))”？
另外，您是說 2L(model) 是 2 log likelihood 嗎？或者 2(L(model)-L(null) 是 2 對數似然？
回复：從模型係數中獲取 AIC/可能性等式中的第一項應該是負數。 隨著偏差減小，AICc 應該變得更好（更小）。
回复：從模型係數中獲取 AIC/可能性感謝您對此提供幫助（至少在星期六）。 我很清楚，如果我執行以下步驟，我應該得到與 JMPs AIC 成正比的東西嗎？
Names Default to here(1);
k =[0, 1, 1, 2, 2];
n=500;
nulldev = 1100;
devs = [1100, 1099, 1098, 1097, 1096]; //calculated from (1-dev.ratio)*nulldev
fake2L = nulldev-devs;
AIC = -fake2L+2*k+2*k:*(k+1):/(n-k-1);
*編輯* 將 AIC 更改為正確的
回复：從模型係數中獲取 AIC/可能性畢竟您可能能夠獲得模型的可能性。
擬合空模型（除截距外沒有其他項）並將 glmnet 對象保存為適合0 . 適合所需的模型並將其另存為適合1 . 得到兩者的偏差，即dev0=偏差（fit0）和dev1=偏差（fit1） . 偏差為 2(L(飽和)-L(模型))，因此現在您有兩個方程和兩個未知似然。 L(saturated) 很常見，會掉線。 的組成部分之一適合0和適合1對像如果零偏差（空開發） 幫助。
所以你之前是對的。 也就是說，您可以（某種程度上）直接使用偏差來計算 AICc。 Deviance(null) - Deviance(fit) = 2(L(model)-L(null))。 L(null) 只是一個常數偏移量，因此偏差的差異可以替代 2L(model)。 希望這可以幫助！
順便說一句，該包提供了偏差比作為擬合優度的度量。 我知道這與使用 AICc 選擇最佳模型不同。 更像是使用 R 平方（壞主意）。
回复：從模型係數中獲取 AIC/可能性好吧，感謝您嘗試任何一種方式。
回复：從模型係數中獲取 AIC/可能性偏差是失擬的度量。 這不是模型的可能性，而是飽和模型和您的模型的可能性之間差異的兩倍。
回复：從模型係數中獲取 AIC/可能性恐怕這兩個數量可以從環球網目的 （開發比率,空開發) 不足以獲得模型的可能性，您需要計算 AICc。 您在三個未知數中有兩個方程：似然（空）、似然（模型）和似然（飽和）。 我無法從可能性（null）中獲得可能性（模型）。
回复：從模型係數中獲取 AIC/可能性所以我要確保我有這個正確的。
偏差 = (1-dev.ratio)*nulldev
這種偏差與 AICc 方程中的 -2LogLikelihood 完全相同？
這可以讓我的生活變得更好。
回复：從模型係數中獲取 AIC/可能性R glmnet 包手冊提供了這些細節：
“ glmnet 對象具有組件 dev.ratio 和 nulldev。 前者是解釋的（空）偏差的分數。 偏差計算包含權重（如果存在於模型中）。 偏差定義為 2*(loglike_sat - loglike)，其中 loglike_sat 是飽和模型（每次觀察具有一個自由參數的模型）的對數似然。 零偏差定義為 2*(loglike_sat -loglike(Null)); NULL模型是指攔截模型，除了Cox，它是0模型。 因此 dev.ratio=1-deviance/nulldev，並且此偏差方法返回 (1-dev.ratio)*nulldev。 “
此信息旨在用於評估擬合優度。
