Question

这是我的代码：

library(RCurl)
library(TraMineR)
library(PST)

x <- getURL("https://gist.githubusercontent.com/aronlindberg/08228977353bf6dc2edb3ec121f54a29/raw/c2539d06771317c5f4c8d3a2052a73fc485a09c6/challenge_level.csv")
data <- read.csv(text = x)

# Load and transform data
data <- read.table("thread_level.csv", sep = ",", header = F, stringsAsFactors = F)

data.seq <- seqdef(data[2:nrow(data),2:ncol(data)], missing = "NA", right = "*")

# Make a tree
S1 <- pstree(data.seq, ymin = 0.05, L = 6, lik = TRUE, with.missing = F)
logLik(S1)

出于某种原因，它拒绝返回Log-likelihood值？为什么会这样？如何获得对数似然值？

Answer 1

missing命令中的right和seqdef参数值不正确，导致pstree出错。

使用

data.seq <- seqdef(data[2:nrow(data),2:ncol(data)], missing = NA, right= NA, nr = "*")
# Make a tree
S1 <- pstree(data.seq, ymin = 0.05, L = 6, lik = TRUE, with.missing = TRUE)
logLik(S1)

我们得到了

'log Lik.' -31011.32 (df=47179)

请注意，由于您缺少值，我在with.missing = TRUE命令中设置了pstree。

===============

要忽略正确的错失，请在right='DEL'中设置seqdef。

seq <- seqdef(data[2:nrow(data),2:ncol(data)], missing = NA, right= "DEL")
S2 <- pstree(seq, ymin = 0.05, L = 6, lik = TRUE, with.missing = F)
logLik(S2)

我不知道什么是PST计算为logLik(S2)以及为什么我们到这里NA。使用树S2生成数据的可能性可以通过predict函数获得，该函数返回数据中每个序列的似然性。那么数据的对数似然性应该是

sum(log(predict(S2, seq)))

给出了

 [>] 984 sequence(s) - min/max length: 1/32
 [!] sequences have unequal lengths
 [>] max. context length: L=6
 [>] found 1020 distinct context(s)
 [>] total time: 0.588 secs
[1] -4925.79

Answer 2

实际上，在计算拟合到不等长度序列的模型的可能性时存在问题。这是固定的。新版PST包（0.94）将在几个小时内在R-Forge上提供，以便安装：

install.packages("PST", repos="http://R-Forge.R-project.org")

以及后来的CRAN。

请注意，由于您的序列不包含任何缺失值但长度不等，因此在使用with.missing=TRUE函数时也不必设置pstree也不必设置任何选项使用seqdef时。

现在运行以下代码时：

library(RCurl)
library(TraMineR)
library(PST)

x <- getURL("https://gist.githubusercontent.com/aronlindberg/08228977353bf6dc2edb3ec121f54a29/raw/c2539d06771317c5f4c8d3a2052a73fc485a09c6/challenge_level.csv")
data <- read.csv(text = x)

data.seq <- seqdef(data[2:nrow(data),2:ncol(data)])

# Make a tree
S1 <- pstree(data.seq, ymin = 0.05, L = 6)

我明白了：

> S1@logLik
[1] -4925.79

从概率后缀树获取对数似然

2 个答案: