fitnlm之后MATLAB R2017B LogLikelihood中的小错误?
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了fitnlm之后MATLAB R2017B LogLikelihood中的小错误?相关的知识,希望对你有一定的参考价值。
Background:我正在研究与链接[1]中描述的非线性逻辑回归相似的问题(我的问题更为复杂,但是链接[1]对于本文的下一部分来说就足够了)。将我的结果与使用R包并行获得的结果进行比较,我得到了相似的系数结果,但是(非常近似)相反的对数似然。
假设: fitnlm在Matlab中给出的logLikelihood实际上是负LogLikelihood。 (请注意,这因此削弱了Matlab的BIC和AIC计算)
Reasonning:在[1]中,通过两种不同的方法解决了相同的问题。 ML方法/通过定义否定LogLikelihood并使用fminsearch进行优化。 GLS方法/使用fitnlm。
最大似然法之后的负对数似然是:380
GLS方法之后的负对数似然是:-406
我想第二个应该至少乘以(-1)?
问题:我错过了什么吗? (-1)系数是否足够,或者这种简单的校正不够吗?
自包含代码:
%copy-pasting code from [1]
myf = @(beta,x) beta(1)*x./(beta(2) + x);
mymodelfun = @(beta,x) 1./(1 + exp(-myf(beta,x)));
rng(300,'twister');
x = linspace(-1,1,200)';
beta = [10;2];
beta0=[3;3];
mu = mymodelfun(beta,x);
n = 50;
z = binornd(n,mu);
y = z./n;
%ML Approach
mynegloglik = @(beta) -sum(log(binopdf(z,n,mymodelfun(beta,x))));
opts = optimset('fminsearch');
opts.MaxFunEvals = Inf;
opts.MaxIter = 10000;
betaHatML = fminsearch(mynegloglik,beta0,opts)
neglogLH_MLApproach = mynegloglik(betaHatML);
%GLS Approach
wfun = @(xx) n./(xx.*(1-xx));
nlm = fitnlm(x,y,mymodelfun,beta0,'Weights',wfun)
neglogLH_GLSApproach = - nlm.LogLikelihood;
来源:
[1] https://uk.mathworks.com/help/stats/examples/nonlinear-logistic-regression.html
基本上,fitnlm.m是对NonLinearModel.fit的调用。
以上是关于fitnlm之后MATLAB R2017B LogLikelihood中的小错误?的主要内容,如果未能解决你的问题,请参考以下文章
matlab r2017b 安装出现这个问题?解压后有两个文件夹,分别包含.dvd1和.dvd2
MATLAB | 面积图饼状图水平柱状图的斜线填充(阴影填充)
MATLAB | 面积图饼状图水平柱状图的斜线填充(阴影填充)