모델 계수에서 AIC/우도 얻기주제에서 약간 벗어난 것일 수도 있지만:
R GLMNet(고객이 JMP 10에서 업그레이드하지 않기 때문에 일반 회귀 탄성 넷 패키지)에서 모델을 가져오고 AIC를 계산해야 합니다. 이 패키지는 나에게 가능성을 제공하지 않는 것 같습니다. 그래서 ... 계수에서 최대 우도를 계산할 수 있습니까? 모델은 최대 우도를 사용하여 만들어지므로 선택한 모델이 있는 경우 이 정보를 가져올 수 있는 방법이 있기를 바랍니다. 아닐 수도 있지만 지금은 지푸라기라도 잡고 있습니다.
Re: 모델 계수에서 AIC/우도 얻기실례합니다. "Deviance(null) - Deviance(fit) = 2(L(model)-L(null))"에 대한 참조가 있습니까?
2(L(모델)-L(null)로 " 2 로그 우도 " 또는 " 2 로그(L0/L1) "?안 돼" -2 로그 우도" , 또는 Deviance(null) - Deviance(fit)의 방정식에서 음수(-) 기호를 무시합니까?
급하게 질문해서 죄송합니다.
Re: 모델 계수에서 AIC/우도 얻기실례합니다. "D"라는 참조가 어디에 있습니까? 편차(null) - 편차(적합) = 2(L(모델)-L(null))"?
또한 2L(모델)이 2 로그 우도라는 뜻입니까? 또는 2(L(model)-L(null)이 2 로그 우도입니까?
Re: 모델 계수에서 AIC/우도 얻기방정식의 첫 번째 항은 음수여야 합니다. 이탈도가 감소함에 따라 AICc는 더 좋아집니다(작아짐).
Re: 모델 계수에서 AIC/우도 얻기도와주셔서 감사합니다(토요일도 마찬가지). 아래 단계를 수행하면 JMP AIC에 비례하는 무언가를 얻어야 합니까?
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);
*편집* AIC가 올바르게 변경됨
Re: 모델 계수에서 AIC/우도 얻기결국 모델의 우도를 얻을 수 있을지도 모릅니다.
널 모델(절편을 제외한 항 없음)을 맞추고 glmnet 객체를 다음과 같이 저장합니다. 핏0 . 원하는 모델을 맞추고 다른 이름으로 저장 핏1 . 둘 다에 대한 편차를 얻으십시오. dev0=편차(fit0) 그리고 dev1=편차(fit1) . 편차는 2(L(saturated)-L(model))이므로 이제 두 개의 방정식과 두 개의 알 수 없는 우도가 있습니다. L(saturated)은 일반적이며 누락됩니다. 의 구성 요소 중 하나 핏0 그리고 핏1 null 편차( nulldev ) 도와줍니다.
그래서 당신은 이전에 정확했습니다. 즉, AICc를 계산하기 위해 편차를 (다소) 직접 사용할 수 있습니다. 편차(null) - 편차(fit) = 2(L(모델)-L(null)). L(null)은 상수 오프셋이므로 편차의 차이는 2L(모델)을 대체합니다. 도움이 되었기를 바랍니다!
BTW, 패키지는 적합도의 척도로 편차 비율을 제공합니다. 나는 이것이 AICc를 사용하여 최상의 모델을 선택하는 것과 같지 않다는 것을 알고 있습니다. 오히려 R 스퀘어를 사용하는 것과 같습니다(나쁜 생각).
Re: 모델 계수에서 AIC/우도 얻기어느 쪽이든 시도해 주셔서 감사합니다.
Re: 모델 계수에서 AIC/우도 얻기편차는 적합성 부족의 척도입니다. 모델의 가능성이 아니라 포화 모델과 모델의 가능성 간의 차이가 두 배입니다.
Re: 모델 계수에서 AIC/우도 얻기유감스럽게도 glmnet 물체 ( 편차 , nulldev )는 AICc를 계산하는 데 필요한 모델의 우도를 얻기에 충분하지 않습니다. 세 개의 미지수(null), 우도(모델) 및 우도(포화)에 두 개의 방정식이 있습니다. 우도(null)로부터 우도(모델)를 자유롭게 얻을 수 없습니다.
Re: 모델 계수에서 AIC/우도 얻기그래서 저는 이것이 올바른지 확인하고 있습니다.
편차 = (1-dev.ratio)*nulldev
이 편차는 AICc 방정식의 -2LogLikelihood와 완전히 동일합니까?
이것은 내 인생을 훨씬 더 좋게 만들 수 있습니다.
Re: 모델 계수에서 AIC/우도 얻기R glmnet 패키지 설명서는 다음 세부 정보를 제공합니다.
" glmnet 개체에는 dev.ratio 및 nulldev 구성 요소가 있습니다. 전자는 설명된 (null) 편차의 비율입니다. 편차 계산은 모델에 있는 경우 가중치를 통합합니다. 이탈도는 2*(loglike_sat - loglike)로 정의되며 여기서 loglike_sat는 포화 모델(관찰당 자유 매개변수가 있는 모델)에 대한 로그 가능성입니다. Null 편차는 2*(loglike_sat -loglike(Null))로 정의됩니다. NULL 모델은 0 모델인 Cox를 제외한 절편 모델을 말합니다. 따라서 dev.ratio=1-deviance/nulldev이고 이 편차 방법은 (1-dev.ratio)*nulldev를 반환합니다. "
이 정보는 적합도를 평가하는 데 사용됩니다.
