la pente et l'ordonnée à l'aide de l'estimation de log-vraisemblance pour la régression linéaire

voix
0

J'ai y comme (1,10) et y prédit que (1,10) et aussi j'avoir des valeurs de pente et qui ont été utilisées pour obtenir prédit y. J'ai confusion dans la mise en œuvre de régression linéaire avec log-vraisemblance. Je l'ai vu beaucoup de messages de blog pour le faire, mais aucun d'entre eux travaillent (sûrement que je fais quelque chose de mal). Voici la fonction logvraisemblance que je fait qui dit logL de y prédite avec une pente donnée (a) et l'ordonnée (b): -

import math

def loglik(a,b):
    prob of y, given values of a and b
    loglike=[]
    for i in range(len(x)):    #x has features
        predicted=a*x[i]+b     #doing prediction using given a and b
        real=y[i]              #actual label
        l=math.log(predicted)/math.log(real)    #not sure that it is right
        loglike.append(l)
    loglike=np.array(loglike)
    result = np.prod(loglike)
    return result

Je dois ensuite appeler cette fonction, faire des tableaux de résultats et de faire un maillage de couleur et comment je fais cela: -

# a has slope and b has intercept of the fitted model
arange =[a-0.5,a-0.4,a-0.3,a-0.2,a-0.1,a,a+0.1,a+0.2,a+0.3,a+0.4]      #(a-0.5,a+0.4) 
brange = [b,b-4,b-3,b-2,b-1,b,b+1,b+2,b+3,b+4]                          #(b-5,b+4)

ll=[]
for i in range(10):
    sublist=[]
    for j in range(10):
        sublist.append(loglik(arange[i],brange[j]))
    ll.append(np.array(sublist))

arange=np.array(arange)
brange=np.array(brange)
ll=np.array(ll)

Veuillez me dire ce que je fais mal, je l'ai essayé la formule pour la mise en œuvre de vraisemblance et les résultats sont tout à fait bizarre que ce que je sais que je fais mal. Après cela, je dois sélectionner a et b des valeurs en maximisant loglike et faire l'ascension de gradient pour mettre en œuvre le modèle de régression. Toute aide sera très appréciée.

Créé 27/11/2018 à 15:21
source utilisateur
Dans d'autres langues...                            

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more