-
Notifications
You must be signed in to change notification settings - Fork 29
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
P150,151のBICについて質問させてください。【訂正:BICの良さの大小が逆になっています】 #30
Comments
@KENJI-JIN さま ご指摘いただき、ありがとうございます。 以下訂正し、本Issueに誤植ラベルを用意し、他の読者の皆様の参考にさせてください。 ーーーーーーーー ※7_2_bayesian_network_bic.ipynbのセル3でデータ数を増やし、 num_data = 10 を num_data = 100などにすると、誤ったモデルでは負の方向に大きなBICとなり、悪いモデルになることを確認できます。 ーーーーーーーーー 気になった点については、このようにどんどんご指摘いただけると非常に助かります。 |
ご回答ありがとうございます。上記承知しました。 |
@KENJI-JIN さま 上記少し、話と私の表現がややこしくて大変申し訳ございません。
を丁寧に記述すると、 逆に誤ったモデルでは負の方向に(絶対値が)大きなBICとなり、すなわち、pgmpy-BICの値が小さな値になります。 たくさん、誠にありがとうございます。 今後とも、遠慮なくどんどんとご質問、ご指摘をいただければ幸いです。 どうぞ宜しくお願い致します。 |
pgmpyのBIC計算が
BICm=lm(Θm|X)-0.5km(logN)
となっており、手計算したBICに-0.5かけたものになっている
と書かれています。
手計算の式
ではいいモデルほど対数尤度が大きくなる(?)ので、小さいほどいいモデルとなりそうな気がします。
(私の対数尤度の理解が間違っているかもしれません。)
↓のサイトでは上記の式で小さいほうがいいモデルとの表記があります。
https://www.jmp.com/support/help/ja/14-2/flm-statistical-details-15.shtml
ですので、上記の式に-0.5をかけた
BICm=lm(Θm|X)-0.5km(logN)
は大きいほどいいモデルとなりそうな気がしますが、
本には小さな値ほどいいモデルなので、
という記載があります。
お手数ですが、解説いただけないでしょうか?
The text was updated successfully, but these errors were encountered: