从模型系数中获取 AIC/似然也许有点跑题了，但是：
我从 R GLMNet（一个通用的回归弹性网络包，因为客户不会从 JMP 10 升级）得到一个模型，我需要计算 AIC。 这个包裹似乎没有给我可能性。 那么...是否可以根据系数计算最大似然？ 该模型是使用最大似然法制作的，因此我希望如果我选择了模型，可以通过某种方式提取此信息。 可能不是，但我现在正在抓住救命稻草。
回复：从模型系数中获取 AIC/可能性打扰一下，你有关于“Deviance(null) - Deviance(fit) = 2(L(model)-L(null))”的参考吗？
使用 2(L(model)-L(null) 你是说它是“ 2 对数似然“ 或者 ” 2 日志 (L0/L1) “？不应该是“ -2 对数似然” ，或者 Deviance(null) - Deviance(fit) 的方程忽略负号 (-)？
抱歉这个问题太快了。
回复：从模型系数中获取 AIC/可能性打扰一下，说明“D eviance(null) - Deviance(fit) = 2(L(model)-L(null))”？
另外，您是说 2L(model) 是 2 log likelihood 吗？或者 2(L(model)-L(null) 是 2 对数似然？
回复：从模型系数中获取 AIC/可能性等式中的第一项应该是负数。 随着偏差减小，AICc 应该变得更好（更小）。
回复：从模型系数中获取 AIC/可能性感谢您对此提供帮助（至少在星期六）。 我很清楚，如果我执行以下步骤，我应该得到与 JMPs AIC 成正比的东西吗？
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);
*编辑* 将 AIC 更改为正确的
回复：从模型系数中获取 AIC/可能性毕竟您可能能够获得模型的可能性。
拟合空模型（除截距外没有其他项）并将 glmnet 对象保存为适合0 . 适合所需的模型并将其另存为适合1 . 得到两者的偏差，即dev0=偏差（fit0）和dev1=偏差（fit1） . 偏差为 2(L(饱和)-L(模型))，因此现在您有两个方程和两个未知似然。 L(saturated) 很常见，会掉线。 的组成部分之一适合0和适合1对象如果零偏差（空开发） 帮助。
所以你之前是对的。 也就是说，您可以（某种程度上）直接使用偏差来计算 AICc。 Deviance(null) - Deviance(fit) = 2(L(model)-L(null))。 L(null) 只是一个常数偏移量，因此偏差的差异可以替代 2L(model)。 希望这可以帮助！
顺便说一句，该包提供了偏差比作为拟合优度的度量。 我知道这与使用 AICc 选择最佳模型不同。 更像是使用 R 平方（坏主意）。
回复：从模型系数中获取 AIC/可能性好吧，感谢您尝试任何一种方式。
回复：从模型系数中获取 AIC/可能性偏差是失拟的度量。 这不是模型的可能性，而是饱和模型和您的模型的可能性之间差异的两倍。
回复：从模型系数中获取 AIC/可能性恐怕这两个数量可以从环球网目的 （开发比率,空开发) 不足以获得模型的可能性，您需要计算 AICc。 您在三个未知数中有两个方程：似然（空）、似然（模型）和似然（饱和）。 我无法从可能性（null）中获得可能性（模型）。
回复：从模型系数中获取 AIC/可能性所以我要确保我有这个正确的。
偏差 = (1-dev.ratio)*nulldev
这种偏差与 AICc 方程中的 -2LogLikelihood 完全相同？
这可以让我的生活变得更好。
回复：从模型系数中获取 AIC/可能性R glmnet 包手册提供了这些细节：
“ glmnet 对象具有组件 dev.ratio 和 nulldev。 前者是解释的（空）偏差的分数。 偏差计算包含权重（如果存在于模型中）。 偏差定义为 2*(loglike_sat - loglike)，其中 loglike_sat 是饱和模型（每次观察具有一个自由参数的模型）的对数似然。 零偏差定义为 2*(loglike_sat -loglike(Null)); NULL模型是指拦截模型，除了Cox，它是0模型。 因此 dev.ratio=1-deviance/nulldev，并且此偏差方法返回 (1-dev.ratio)*nulldev。 “
此信息旨在用于评估拟合优度。
