37318_zh-CN

liliconcom

如何获得神经网络的BIC和AIC形式-log可能性？

你好，

 

我使用的是JMP pro 12。 

我想知道，在神经网络分析中如何从可能性中获得AIC或BIC？

 

问候， 

安杰洛

 

Re：如何获得神经网络的BIC和AIC形式-log可能性？

对不起，我很确定我是为神经网络做的，但实际上是非线性平台。 这是代码：

 

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);

在这段代码中，我必须确定对数似然值，而神经网络给你这样，所以它应该更容易。 我想你只需要考虑k的价值是什么。 我假设它将是1加上估计的权重数（对于单层网络，它将是#factors x #nodes）; 

Re：如何获得神经网络的BIC和AIC形式-log可能性？亲爱的大卫，

这对我有好处。我会在星期一等

非常感谢，
安杰洛
Re：如何获得神经网络的BIC和AIC形式-log可能性？

我有一些代码，我可以与你分享这样做 - 不幸的是我现在正在旅行 - 如果你没有得到别人的回复，我将能够在星期一发布。

回复：如何获得神经网络的BIC和AIC形式对数似然法？

有没有一种方法可以从神经的快速列公式中获取k？还是我必须知道如何创建模型？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>

 

提前致谢。