logLik函数的lm方法返回的对数似然似乎与手动计算的对数似然不匹配。 为了演示，下面我将一个只有一个截距的标准线性模型拟合到一个具有三个点的简单数据集。然后，我使用logLik提取对数似然，并通过对在最大似然估计时评估的pdf的对数求和来手动计算它。 test_df <- data.frame(y = c(0, 2, 4))
mod_lm <- lm(y ~ 1, data = test_df)
ll_logLik <- logLik(mod_lm)
ll_manual <- sum(log(purrr::map_dbl(test_df$y, function(x
浏览 53提问于2021-04-28得票数 0
回答已采纳
我使用R中的anova()函数为一组嵌套模型执行模型选择，每个后续模型都在前一个模型中添加了一个协变量。我想知道logLik列是如何派生出来的。我知道它是某物的自然对数(即在下面的模型中它是一个很小的数)，但我不知道的是它到底是什么的对数。它是该模型下的最大似然估计，即单个值，还是多个参数值的概率乘积的结果？抱歉，我知道这是一件非常基本的事情，我不知道。
Model df AIC BIC logLik Test L.Ratio p.value
1 11 1319.522 1353.349 -648.8
2 12 13
浏览 3提问于2016-07-26得票数 0
回答已采纳
1回答
我试图用最大似然估计将GARCH(1,1)模型拟合到具有Gamma(a，1/a)分布的数据集中。因此，使用is的对数似然函数im : LogL =- ln(Γ(nu )) +( nu - 1) * ln(x) - nu*(x/mu) -nu*nu* ln(mu)
X=数据，mu = GARCH(1,1)。nu是伽马函数的输入。
我试图同时估计nu和GARCH(1,1)参数(omega，alpha，beta)。我写的代码是
import numpy as np
import pandas as pd
import scipy.optimize as opt
from scipy.special
浏览 6提问于2022-06-02得票数 1
如果极大似然估计( MLE )不能给出Logistic回归中参数的适当闭型解，为什么这种方法会有如此多的讨论呢？为什么不坚持梯度下降来估计参数呢？
浏览 0提问于2022-05-04得票数 2
回答已采纳
我正在使用scikit learn的LinearRegression()建立我的第一个时间序列预测模型。我还遇到了统计模型AutoReg()、ARMA()和SARIMAX()。不幸的是，从文献中我找不到考虑它们的方法。它们是LinearRegression()的替代品吗？他们是ML吗？它们有根本的不同吗？
如果能给我点提示，我会很感激的。谢谢。
浏览 30提问于2021-05-14得票数 0
回答已采纳
1回答
我正在尝试实现一个科学知识库中的高斯朴素贝叶斯。我知道朴素贝叶斯是建立在贝叶斯定理的基础上的，在高层次上定义为：posterior = (prior * likelihood) / evidence.
据我所知，先前和证据都是从培训数据中学到的。
我不确定Q1是否可能:它也是从训练数据中得到的，还是使用最大似然估计？Q2:是否需要调优任何超参数？
浏览 4提问于2020-08-02得票数 0
回答已采纳
1回答
为了使用因子分析为我的数据选择最佳的底层因素，我决定使用scikit学习的文档中概述的教程。
运行cross_val_score(fa, X)输出分数(通常为负数)。这个分数到底是多少？任何参考与您的答复将是非常感谢！
浏览 0提问于2018-08-16得票数 0
回答已采纳
在Logistic回归的R& Spark的比较估计/系数中，观察到估计值是不一样的。
在进一步的研究中，我发现R& Mllib对于Logistic回归有不同的实现。
R的glm返回模型的最大似然估计，而Spark的LogisticRegressionWithLBFGS返回正则化的模型估计。
根据现有文献，最大似然估计似乎更有效。
我很想知道，为什么Spark开发人员没有选择“最大似然估计”技术？
浏览 0提问于2016-09-04得票数 1
我在学习Matlab的道路上，当我研究的时候，我被图像的最大似然分类的主题卡住了。我知道为了实现它，需要计算协方差和方差。那么，一个编码最大似然分类器应该如何呢？
感谢您的阅读和帮助。
浏览 3提问于2016-03-14得票数 0
我正在尝试将我的数据(CTR(双)值列表)拟合为beta分布，并估计alpha和beta形状参数。我发现我可以使用breeza库的mle方法来做到这一点，但我不理解调用mle方法所需的参数： object Beta extends ExponentialFamily[Beta,Double] with ContinuousDistributionUFuncProvider[Double,Beta] {
type Parameter = (Double,Double)
case class SufficientStatistic(n: Double, meanLog: Double,
浏览 18提问于2019-09-20得票数 0
1回答
我使用python的statsmodel包来进行线性回归。在R^2、p等的输出中也存在“对数似然”.在文档中，这被描述为“拟合模型的似然函数的值”。我看了一下源代码，并不真正理解它在做什么。
阅读更多关于似然函数，我仍然有非常模糊的想法，这个‘对数-似然’值可能意味着什么，或被用来。所以有几个问题：
在线性回归的情况下，似然函数的值不等于参数的值(本例中为beta)吗？这似乎是这样的，根据下面的推导，导致方程12：
知道似然函数的值有什么用？它是否与其他具有相同反应和不同预测指标的回归模型进行比较？实际的统计学家和科学家如何使用统计模型提出的对数似然值？
浏览 1提问于2014-10-23得票数 2
回答已采纳
以下是我对Logistic回归中MLE与梯度下降之间关系的理解。如果我错了，请纠正我：
1)利用对数似然函数wrt的偏导数估计最优参数。每个参数&等于0。梯度下降就像MLE一样，利用损失函数wrt的偏导数给出了最优参数。每个参数。GD还在获取参数值的过程中使用诸如学习速率和步骤大小等超参数。
2) MLE是解析/精确的，GD是数值/近似的。不幸的是，Logistic回归中的MLE不能给出一个精确的解，除非我们有一个或两个自变量的小样本数据。因此，在Logistic回归中，我们使用这两种方法来寻找参数的最佳值。我们把通过MLE得到的log-似然函数的负值作为损失函数，并在GD中使用它得到
浏览 0提问于2022-05-09得票数 -4
1回答
谁能告诉我在python的statsmodel包中估计分数logit模型的参数的方法是什么？
有没有人能给我介绍一下分数logit模型源代码的具体部分？
浏览 14提问于2017-07-15得票数 0
newtonraphson <- function(ftn, x0, tol = 1e-9, max.iter = 100) {
x <- x0
fx <- ftn(x)
iter <- 0
while ((abs(fx[1]) > tol) & (iter < max.iter)) {
x <- x - fx[1]/fx[2]
fx <- ftn(x)
iter <- iter + 1
cat("At iteration", iter, "value of x is:
浏览 0提问于2017-11-19得票数 0
2回答
拟合β-二项分布
、、、、
我一直在寻找一种将数据与beta二项分布相匹配的方法，并估计alpha和beta，类似于VGAM库中的vglm包。我还没能在python中找到如何做到这一点。这里有一个scipy.stats.beta.fit()，但是对于beta二项分布没有什么。有办法这样做吗？
浏览 5提问于2015-02-06得票数 6
回答已采纳
我有一个以千兆字节(GB)为单位的数据集，并希望估计其中缺失值的参数。
在机器学习中有一种称为MLE(最大似然估计)的算法可以用于机器学习。
既然R可能无法处理这么大的数据集，那么哪个库将是最好的呢？
浏览 3提问于2013-01-18得票数 3
回答已采纳
1回答
逆高斯分布的极大似然估计
、、、、
我试图再现实际参数和估计参数'tau' (for over a month :()之间的均方误差。估计的'tau'，即'tau_hat'是通过最大似然估计(MLE)得到的，如下所示。
给出了联合概率密度函数f(y|x,tau)。
u_i = x_i +T和T~IG(mu,lambda)。逆高斯。u是y的期望值。f_T(t)的pdf是由
我根据这个编写的代码是
clear
lambda = 8.1955;
mu = 10;
N = 128; % max
浏览 0提问于2018-09-20得票数 10
2回答
我是机器学习的新手，我学习的第一个论点是线性回归。我明白，用几句话来说，使用线性回归的想法是学习一个假设，它可以在y的近似下映射一个新的输入x。
为了做到这一点，如果我的假设是：
h(x) = wx + w0
我必须更新我的参数，将误差函数最小化，如最小二乘，并借助梯度下降这样的优化算法优化w向量。
我理解这是如何工作的，但有时我看到这种“最大似然估计”，我不明白它是否是估计w参数或其他什么的另一种方法。
浏览 0提问于2018-06-26得票数 1
回答已采纳
这可能不是一个适合这个论坛的问题，但我想知道是否有人知道本网站的stats.norm.fit()方法是如何确定分布参数的？我在某处读到它使用最大似然估计，但我找不到任何官方文档。
提前谢谢你，
BJR
浏览 10提问于2018-01-08得票数 3
回答已采纳
1回答
fisher信息与EM算法有什么关系？当我阅读有关EM算法的论文时，人们有时会讨论fisher信息，并且有将fisher计分方法和EM算法结合在一起的算法。然而，我找不到材料清楚地说明fisher信息是如何与EM算法相关的，以及它扮演着什么角色？
有没有人能帮我理解一下这其中有什么联系？
浏览 1提问于2013-06-05得票数 0
回答已采纳
我使用texreg生成回归的输出表。我想将AIC、BIC和HQIC等统计数据作为拟合优度统计数据。 下面是可复制的示例 library(texreg)
library(tidyverse)
mtcars
model1 <- lm(mpg ~ disp, data = mtcars)
model2 <- lm(mpg ~ disp + hp, data = mtcars)
screenreg(list(model1, model2)) 给我这个： =================================
Model 1 Model 2
浏览 27提问于2019-09-10得票数 2
回答已采纳
2回答
很抱歉，我提出了一个很基本的问题，但我不明白用最大似然估计方法估计概率分布参数与手工计算这些参数有什么不同。对于MLE，我们需要知道概率分布的类型，所以我们为什么不使用已知的公式来计算观测数据中相应的参数呢？我相信MLE在某种程度上是更通用的方法，但我不知道与“手动”获取这些参数相比，MLE的真正优势是什么。
谢谢你的解释。
托马斯
浏览 0提问于2018-10-04得票数 0
回答已采纳
代码是用PyMC3编写的，但这是一个一般性问题。我想找出哪个矩阵(变量的组合)给我的概率最高。取每个元素的迹线的平均值是没有意义的，因为它们相互依赖。
下面是一个简单的例子；为简单起见，代码使用向量而不是矩阵。目标是找到一个长度为2的向量，其中每个值都在0和1之间，因此总和为1。
import numpy as np
import theano
import theano.tensor as tt
import pymc3 as mc
# define a theano Op for our likelihood function
class LogLike_Matrix(tt.Op):
浏览 16提问于2019-03-27得票数 1
1回答
当样本多类标签是一个热二进制向量(基本相同)时，交叉熵与对数似然之间的联系得到了广泛的表达。交叉熵定义时，标签不是一个热点，而是任何有效的概率分布。
一般交叉熵与对数似然之间的关系是什么？
单热箱
日志似然和交叉熵都归结为：
$-\sum\limits_{i}\sum\limits_k1{{y_i^{(k)}=1}}{\log{\hat{y}_i^{(k)}}}(\theta)$
在以下情况下：
$i$ -样本索引$k$ -类索引$\theta$ -模型参数$y$ -样本标签(单热向量) $\hat{y}$ $-预测(概率分布类似向量) $1{}$ -指示函数
General案例 ($y_i$
浏览 0提问于2018-02-24得票数 3
许多功能只是简单地要求您输入自由的程度，以适应一个分配和返回其他项目。然而，我想要一个像R的函数，它估计平均值，尺度参数，和df。我的最终目标是使用最佳估计的df来获得t得分。
浏览 2提问于2015-04-29得票数 0
回答已采纳
我使用了4年的不平衡面板数据。在试图确定哪一个时变模型(xtgls、xtreg、re或xtgls )最适合我的分析时，我试图估计xtgls在同构性和异向假设下的系数。当我使用异种选项运行这个模型时，我获得了很高的z-分数(>30)，并且对所有其他模型中的一个术语有很大的影响。
此外，当我试图运行比较异源和同构模型的lrtest时，我会得到一个错误，即“reads不包含标量e(Ll)”。我读到解决这一问题的一种方法是添加选项igls，它应该给出与没有igls选项的模型相同的coeff。但是，我的模型不会与igls选项相结合。我认为，对于异源xtgls模型来说，这些奇怪的结果可能是因为某些时
浏览 5提问于2012-12-18得票数 1
我想在我创建的数据样本上运行一些最大似然代码。这就是我到目前为止所知道的：
library("maxLik")
data <- replicate(20, rnorm(100))
logLikFun <- function(param) {
mu <- param[1]
sigma <- param[2]
sum(dnorm(data, mean = mu, sd = sigma, log = TRUE))
}
mle <- maxLik(logLik = logLikFun, start = c(mu = 0, sigma = 1))
summ
浏览 1提问于2012-07-11得票数 3
回答已采纳
有没有人知道怎么写gamma^2(1+/beta)？如果我使用了gamma(1+/beta)*gamma(1+/beta)？有什么想法或建议吗？感谢你的帮助
浏览 0提问于2016-02-25得票数 0
我正在使用卡尔曼滤波器来估计收益率曲线的各种动态和无套利的Nelson-Siegel模型。我给optim提供了一些起始值，算法可以很好地收敛。然而，当我想要使用optim算法提供的Hessian来计算标准误差时，由于方差协方差矩阵的对角线上的非正值，我得到了NaN。我想这是因为我有一个高度非线性的函数，有很多局部最优，但是我尝试的所有初始值都会发生这种情况。
我使用的函数是optim，并使用默认的内德-米德算法。我使用的命令是opt_para<-optim(par=par0, fn=Kalman_filter, y=y, maturities=maturities,contr
浏览 6提问于2018-09-27得票数 1
1回答
我有不平衡的面板数据，我想拟合这种类型的回归：
Pr(y=1|xB) = G(xB+a)
其中"y“是二进制变量，"x”向量是解释变量，"B“是我的coeff。
我想用最大似然估计来实现随机效应模型，但是我不明白我需要改变的plm函数(包plm) CRAN指南(plm)。到目前为止，我使用了以下代码：
library(plm)
p_finale <- plm.data(p_finale, index=c("idnumber","Year"))
attach(p_finale)
y <- (TotalDebt_dummy)
X_
浏览 4提问于2021-04-08得票数 0
回答已采纳
我正在尝试估计一组股票的多变量线性状态空间模型。我有超过15年的每日收益，并将它们汇总到每月时间序列中。作为例外，整个MLE估计过程的问题需要大量的时间来完成。有没有一种有效的方法来处理这个问题？
该模型是针对m资产、j=1、…的动态法马-弗伦奇三因素模型的多变量版本因子被加载到x(t)中。那么模型就是：
y = α + β1 * x1 + β2 * x2 + β3 * x3 + v
α(t) = α(t-1) + w1
β1(t) = β1(t-1) + w2
β2(t) = β1(t-1) + w3
β3(t) = β1(t-1) + w4
其中假设截距和斜率在m个股票中是相关的是明智
浏览 7提问于2015-03-10得票数 0
我使用日志响应比(“ROM”)作为效果大小，并在元计算中使用边缘估计(“HE”)：
rma(es, var, mods=~ Myc * N , method="HE", data=dat, weights=weightsTime)
现在我想包含一个随机效应，但是rma.mv只允许method=REML或method=ML。这将是我想要的模式：
rma.mv(es, var, mods=~ Myc * N, random = list(~ Myc|SPS.in.SITE, ~N|SPS.in.SITE), method="HE", data=dat, W=weig
浏览 6提问于2015-07-28得票数 1
回答已采纳
根据这个问题，。我现在正在尝试使用ARMA模型来拟合数据，但我再次找不到一种方法来解释模型的结果。下面是我根据和所做的事情。
# Parameter
INPUT_DATA_POINT = 200
P = 5
Q = 0
# Read Data
data = []
f = open('stock_all.csv', 'r')
for line in f:
data.append(float(line.split(',')[5]))
f.close()
# Fit ARMA-model using the first piece o
浏览 4提问于2014-06-21得票数 8
我正在学习这课程。教授说的是逻辑回归成本函数：
P(y|x) = \hat y^y (1- \hat y)^{(1-y)}
双方都要进行登录，规定：
\begin{align} log[P(y|x)] &= log[\hat y^y (1- \hat y)^{(1-y)}]\\ &= - L(\hat y,y) \end{align}
为什么logistic回归成本函数需要是对数的负值？
浏览 0提问于2019-06-05得票数 1
1回答
假设我有一个数据集。有一些范畴变量和一些数值变量。我想估计每个类别和其他类别的模型$y=exp(X'b)$的参数。我试图用R代码来实现它。但也有一些错误。
sex <- c("F","M","F","M","F")
age <- c(20,30,23,32,25)
dat <- data.frame(sex,age)
myfun <- function(par, data){
xx <- data
func <- exp(par[1
浏览 0提问于2014-03-06得票数 1
回答已采纳
1回答
如果我有一组非常大的数据(~ 1TB)。如何使用神经网络对这些数据，以了解哪些基本分布(例如。让我们假设一个具有一定均值的高斯或泊松人，sd)是数据所青睐的。至少，我可以得出结论，如果其中一个发行版(两个发行版中的一个)不受欢迎？
因此，主要的目标是，如果在预测时，在从这个数据集中学习之后，我能知道算法所预测的是基于哪种基本分布(或倾向于哪种分布)。
浏览 0提问于2021-04-24得票数 0
回答已采纳
我需要使用MLE从样本数据中估计威布尔分布的形状和尺度参数。我检查了Apache commons Math的WeibullDistribution类，但它没有这样的功能。有什么建议吗？我需要在java应用程序中使用这个类。
浏览 7提问于2017-12-13得票数 6
我正在对一些数据拟合Pareto分布，并且已经估计了这些数据的最大似然估计。现在我需要从它创建一个fitdist (fitdistrplus库)对象，但我不确定该如何做。我需要一个fitdist对象，因为我想创建qq，密度等图的函数，如密集。有人能帮帮忙吗？ 我首先计算MLEs的原因是因为fitdist没有正确地这样做-即使我给出了正确的MLEs作为起始值，估计值也总是放大到无穷大(见下文)。如果之前手动给fitdist我的参数的选择是不可能的，那么fitdist中有没有一种优化方法可以正确地估计pareto参数？ 我没有发布原始数据的权限，但这里是在原始数据上使用伽马分布/帕累托分布的ML
浏览 78提问于2020-10-20得票数 0
回答已采纳
我正在尝试用this file中包含的值来拟合Maxwell distribution。 因为我需要强制锁为0，所以我使用表达式： params = st.maxwell.fit(values, floc=0) 但是，此操作将失败，并显示“在日志中遇到除以零”错误： 我估计一个带有loc=0和11000左右的比例的pdf会很好。 ? 如何绕过此问题并使拟合正常工作？
浏览 16提问于2020-01-18得票数 0
回答已采纳
1回答
我很难理解GMMs背后的数学。
GMM是参数为\mu_k, \sigma_k, \pi_k的K个不同高斯分量上的加权和。
根据我的理解，总的概况是：
初始化每个k‘s分量的随机参数
使用pdf p(x | \mu_k, \sigma_k) = \frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}计算每个组件的责任值
使用此责任值更新参数\mu_k, \sigma_k, \pi_k
我的问题是：
何时何地使用贝斯法则？
日志似然函数在什么时候和如何起作用？
浏览 0提问于2023-04-22得票数 2
回答已采纳
我有一份数据清单
frequency x1,x2,...,xn
i.e. 10,20,...,5000.
Intensity y1,yx,...,yn
0,0,...,50,60,50,...,0
我想用正态分布来拟合数据。
我在网上找到了一些网站，比如()，通过这个程序，
my_data <- rnorm(250, mean=1, sd=0.45)# unkonwn distribution parameters
fit <- fitdistr(my_data, densfun="normal")
但很明显，这些方法是行不通的。
如何
浏览 0提问于2019-02-24得票数 1
2回答
GMM中的权重参数与期望最大化
、、、、
我是在与EM的GMM编程工作。我被以下问题所困扰。正如您将在中看到的，有一个参数"pi“，换言之，它是权重或概率值。
我的问题是，这是如何计算的？或者它在实际编码中被忽略了？
浏览 1提问于2013-12-18得票数 0
2回答
我有指数分布a*exp(b*x)的实验数据。目的是找出系数a，b及其误差。
我尝试了使用函数fit(B,C, 'exp1')，并得到了一些结果。
目前，我正在实验一些问题，因为由于实验的性质，文件中的某些数据点具有较高的错误率。
具体问题是：
在Matlab中，哪种算法或函数能给出最小的误差？
如何使用/采用Matlab中的一些函数来对与指数函数大不相同的数据赋予较小的权重(当我计算系数时)？
浏览 9提问于2013-11-04得票数 1
5回答
我知道$sigma和根均方误差的概念有一个很小的区别。因此，我想知道在lm R中从函数中获取RMSE最简单的方法是什么？
res<-lm(randomData$price ~randomData$carat+
randomData$cut+randomData$color+
randomData$clarity+randomData$depth+
randomData$table+randomData$x+
randomD
浏览 6提问于2017-03-30得票数 23
回答已采纳
在大学的期末考试中，我决定写一篇关于copulas的论文，所以我收集了一些关于copulas背后的理论知识，它们是什么以及它们是如何工作的。我也在R中编程，但从未在R中使用copulas，因此我是R中copulas的新手。
我的问题是:我如何将原始数据(以R向量的形式)与Gumbel copula相匹配？
以下是我的数据格式：
x <- c(x1,x2,x3,...,xn)
y <- c(y1,y2,y3,...,yn)
现在我正在使用copula包，我知道如何生成随机copulas和Gumbel copulas，给定θ如下：
#independence case
r_matrix
浏览 0提问于2014-12-23得票数 0
回答已采纳
1回答
我刚开始学习Python。这是一个数据框：
a=pd.DataFrame({'A1':[0,1,2,3,2,1,6,0,1,1,7,10]})
现在我认为这个数据服从多项分布。因此，12个数字表示12个类别(类别0、1、2...)的出现频率。例如，类别0的出现次数为0。因此，我希望在给定这些数据的情况下找到多项式的所有参数。最后，我们得到了多项式的最佳参数(或者我们可以说每个数字的最佳概率)。例如,
category: 0, 1, 2, 3, 4...
weights: 0.001, 0.1, 0.2, 0.12,
浏览 91提问于2018-07-10得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
