R语言:logLik.gam()函数中文帮助文档(中英文对照)

loveR

logLik.gam(mgcv)
logLik.gam()所属R语言包：mgcv

                                        Extract the log likelihood for a fitted GAM
                                         提取拟合自由亚齐运动日志的可能性

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Function to extract the log-likelihood for a fitted gam model (note that the models are usually fitted by penalized likelihood maximization).
装gam模型（请注意，该模型通常是由装有处罚的可能性最大化）的对数似然函数来提取。


用法----------Usage----------


## S3 method for class 'gam'
logLik(object,...)



参数----------Arguments----------

参数：object
fitted model objects of class gam as produced by gam().
拟合模型对象类gamgam()作为生产。


参数：...
un-used in this case  
在这种情况下，未使用


Details

详情----------Details----------

Modification of logLik.glm which corrects the degrees of freedom for use with gam objects.
logLik.glm其中修改纠正gam对象使用的自由度。

The function is provided so that AIC functions correctly with gam objects, and uses the appropriate degrees of freedom (accounting for penalization). Note,  when using AIC for penalized models, that the degrees of freedom are the effective degrees of freedom and not the number of parameters, and the model maximizes the penalized likelihood, not the actual likelihood! This seems to be reasonably well founded for the known scale parameter case (see Hastie and Tibshirani, 1990, section 6.8.3 and also Wood 2008),  and in fact in this case the default smoothing parameter estimation criterion is effectively this modified AIC.  
该功能提供的，因此，AIC功能正确与gam的对象，并使用相应的学位自由的占（处罚）。注意，当使用AIC惩罚模型，自由度有效自由度，没有参数，模型，最大限度地提高惩罚的可能性，而不是实际的可能性！这似乎是合理地已知的尺度参数的情况下成立（见Hastie和Tibshirani，1990年，第6.8.3和木材2008），其实在这种情况下，默认的平滑参数估计准则是有效的这个修改后的工商行政管理机关。


值----------Value----------

Standard logLik object: see logLik.
标准的logLik对象：看到logLik。


作者（S）----------Author(s)----------


Simon N. Wood <a href="mailto:simon.wood@r-project.org">simon.wood@r-project.org</a> based directly on <code>logLik.glm</code>



参考文献----------References----------


generalized additive models. J.R.Statist. Soc. B 70(3):495-518

参见----------See Also----------

AIC
AIC

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。