支持的Statistics和Machine Learning Toolbo金宝appx™发行版的负对数似然函数都以就像
,如explike
.每个函数代表一个参数分布族。输入参数是一系列参数值的列表,这些参数值指定了分布族中的一个特定成员,后面跟着一个数据数组。函数返回给定数据的参数的负对数可能性。
为了找到最大似然估计(MLEs),可以使用负对数似然函数作为优化问题的目标函数,并使用MATLAB进行求解®函数fminsearch
或最优化工具箱™中的函数全局优化工具箱.这些函数允许您选择搜索算法,并对算法的执行进行低级控制。相比之下,大中型企业
函数和分布拟合函数适合
,如normfit
和gamfit
,使用预设算法,选项仅限于由statset
函数。
您可以使用概率密度函数指定分布的参数族(pdf)f(x|θ),在那里x表示随机变量和的结果θ表示分布参数。当你的观点f(x|θ)作为…的函数θ对于一个固定的x,函数f(x|θ)是参数的可能性吗θ对于单个结果x.参数的似然θ对于独立的同分布随机样本数据集X是:
鉴于X,毫升最大化l(θ)所有可能的θ.数值算法找到MLEs,(等效地)最大化对数似然函数,log(l(θ))。对数将潜在小概率的乘积转换为对数的和,这在计算中更容易与0区分。为方便起见,统计学和机器学习工具箱负对数似然函数返回负因为优化算法通常搜索的是最小值而不是最大值。
这个例子展示了如何使用gamlike
和fminsearch
功能。
rng默认的;%的再现性一个= [1,2];X = gamrnd ((1), (2), 1 e3, 1);
将邻域的似然曲面形象化一个
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:mesh logL(i,j) = gamlike([a1(i),a2(j)],X);结束结束[A1, A2] = meshgrid (A1, A2);surfc (A1, A2, logL)
利用该方法搜索似然曲面的最小值fminsearch
函数。
你= @ (u) gamlike ([u (1), (2)), X);%概率(X)毫升= fminsearch(噢,[1,2])
毫升=1×20.9980 - 2.0172
比较毫升
和由gamfit
函数。
ahat = gamfit (X)
ahat =1×20.9980 - 2.0172
每个参数之间的差值毫升
和ahat
小于1的军医
.
将MLEs添加到表面图中。
持有在plot3(毫升(1),毫升(2),我(毫升),“罗”,“MarkerSize”5,“MarkerFaceColor”,“r”)视图(40 [-60])%旋转显示最小值
fminsearch
|negloglik
|statset
|surfc