37318_zh-TW

liliconcom

如何獲得神經網絡的BIC和AIC形式-log可能性？

你好，

 

我使用的是JMP pro 12。 

我想知道，在神經網絡分析中如何從可能性中獲得AIC或BIC？

 

問候， 

安傑洛

 

Re：如何獲得神經網絡的BIC和AIC形式-log可能性？

對不起，我很確定我是為神經網絡做的，但實際上是非線性平台。 這是代碼：

 

dt = Open("$SAMPLE_DATA/Nonlinear Examples/Chemical Kinetics.jmp");
fit = dt << Nonlinear( 
 Y( :Name( "Velocity (y)" ) ), 
  X( :Name( "Model (x)" ) ), 
  Newton, 
  Finish   
);
rep = fit << Report;
matRmse = rep[NumberColBox(5)] << Get As Matrix;


/***************************************************
/          calculate AICc                          /
***************************************************/

 // AIC = N.ln(SS/N) + 2k
 // where N = # data points
 //   k = # parameters + 1
 //  SS = sum of squares for the residuals
 
 // AICc = AIC + [ 2k(k+1) / (N-k-1) ]
 

N = NRows(dt);
nParameters = 2;
k = nParameters + 1;
rmse = matRmse[1];
dfSS = N - nParameters;
MS = rmse^2;
SS = dfSS * MS; // this is correct compared to fit model
LL = N*Log(2*Pi()*e()*SS/N);
AIC = LL + 2*k;
AICc = AIC + ( (2*k*(k+1))/(N-k-1) );

/***************************************************
/          calculate BIC                           /
***************************************************/
BIC = LL + k*Log(N);

在這段代碼中，我必須確定對數似然值，而神經網絡給你這樣，所以它應該更容易。 我想你只需要考慮k的價值是什麼。 我假設它將是1加上估計的權重數（對於單層網絡，它將是#factors x #nodes）; 

Re：如何獲得神經網絡的BIC和AIC形式-log可能性？親愛的大衛，

這對我有好處。我會在星期一等

非常感謝，
安傑洛
Re：如何獲得神經網絡的BIC和AIC形式-log可能性？

我有一些代碼，我可以與你分享這樣做 - 不幸的是我現在正在旅行 - 如果你沒有得到別人的回复，我將能夠在星期一發布。

回复：我如何獲得神經網絡的BIC和AIC形式對數似然法？

有沒有一種方法可以從神經的快速列公式中獲取k？還是我必須知道如何創建模型？例如

 

Names default to here(1);
dt = open("$SAMPLE_DATA/Boston Housing.jmp");
nn = dt << Neural(
 Y( :mvalue ),
 X(
  :crim,
  :zn,
  :indus,
  :chas,
  :nox,
  :rooms,
  :age,
  :distance,
  :radial,
  :tax,
  :pt,
  :b,
  :lstat
 ),
 Informative Missing( 0 ),
 Validation Method( "Holdback", 0.3333 ),
 Fit( NTanH( 3 ), NLinear( 2 ), NLinear2( 1 ), NGaussian2( 1 ) )
);

nn << (Fit[1] << Save Fast Formulas);
pred = Column(dt, ncols(dt));
pred << Get Formula();

返回值：

 

T#1 = Matrix(
 {{:crim, :zn, :indus, Design Nom( :chas, [0 1], <<ELSE missing=""></ELSE>

 

提前致謝。