负Loglikelihood功能
负loglikelihood功能支持统计和机器学习工具箱™分布都结束万博1manbetx就像
,如explike
。每个函数代表一个参数的分布。输入参数列表的参数值指定一个特定的成员分配家庭其次是数组的数据。函数返回的负面loglikelihood参数,考虑到数据。
找到最大似然(ml)估计,您可以使用一个负面loglikelihood函数作为目标函数的优化问题,并利用MATLAB解决它®函数fminsearch
在优化工具箱™和或功能全局优化工具箱。这些函数允许您选择一个搜索算法和运动执行低级控制算法。相比之下,大中型企业
函数和分布拟合函数结束适合
,如normfit
和gamfit
使用预设的算法,设定的选项有限statset
函数。
您可以指定一个参数的分布利用概率密度函数(pdf)f(x|θ),在那里x代表一个随机变量和的结果θ代表了分布参数。当你的观点f(x|θ)的函数θ对于一个固定的x,函数f(x|θ)参数的可能性吗θ一个结果x。参数的可能性θ为一个独立的和恒等分布的随机样本数据集X是:
鉴于X,毫升最大化l(θ在所有可能的θ。数值算法发现毫升(等价)最大化loglikelihood功能,日志(l(θ))。对数变换产品潜在的小可能进一笔记录,这在计算更容易区分从0。为了方便,统计和机器学习工具箱- loglikelihood函数返回负这个和因为一般优化算法搜索最小值而不是最大值。
发现使用负Loglikelihood函数毫升
这个例子展示了如何通过使用找到毫升gamlike
和fminsearch
功能。
使用gamrnd
从一个特定的函数来生成一个随机样本伽马分布。
rng默认的;%的再现性一个= [1,2];X = gamrnd ((1), (2), 1 e3, 1);
可视化表面附近的可能性一个
鉴于X
通过使用gamlike
函数。
网= 50;δ= 0.5;a1 = linspace((1) -它,(1)+δ,网);a2 = linspace((2) -它,(2)+δ,网);logL = 0(网);% Preallocate记忆为我= 1:网格为j = 1:网格logL (i, j) = gamlike ([a1(我),a2 (j)], X);结束结束[A1, A2] = meshgrid (A1, A2);surfc (A1, A2, logL)
寻找可能的最低表面使用fminsearch
函数。
你= @ (u) gamlike ([u (1), (2)), X);%给X可能性毫升= fminsearch(噢,[1,2])
毫升=1×20.9980 - 2.0172
比较毫升
返回的估计gamfit
函数。
ahat = gamfit (X)
ahat =1×20.9980 - 2.0172
每个参数之间的差异毫升
和ahat
小于1的军医
。
添加毫升曲面图。
持有在plot3(毫升(1),毫升(2),我(毫升),“罗”,“MarkerSize”5,“MarkerFaceColor”,“r”)视图(40 [-60])%显示的最小旋转
另请参阅
negloglik
|statset
|fminsearch
|surfc