ນີ້ແມ່ນຄໍາສັ່ງ gbnlprobit ທີ່ສາມາດດໍາເນີນການໄດ້ໃນ OnWorks ຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີໂດຍໃຊ້ຫນຶ່ງໃນຫຼາຍບ່ອນເຮັດວຽກອອນໄລນ໌ຂອງພວກເຮົາເຊັ່ນ Ubuntu Online, Fedora Online, Windows online emulator ຫຼື MAC OS online emulator
ໂຄງການ:
NAME
gbnlprobit - ການຖົດຖອຍ probit ບໍ່ແມ່ນເສັ້ນຊື່
ສະຫຼຸບສັງລວມ
gbnlprobit [ທາງເລືອກໃນການ] <ຫນ້າທີ່ ຄໍານິຍາມ>
ລາຍລະອຽດ
ການຄາດຄະເນ probit ບໍ່ແມ່ນເສັ້ນຊື່. ຫຼຸດຜ່ອນຄວາມເປັນໄປໄດ້ຂອງບັນທຶກທາງລົບ
sum_{i ໃນ N_0} log(1-F(g(X_i))) + sum_{i ໃນ N_1} log(F(g(X_i))))
ບ່ອນທີ່ N_0 ແລະ N_1 ແມ່ນຊຸດຂອງ 0 ແລະ 1 ການສັງເກດ, g ແມ່ນຫນ້າທີ່ທົ່ວໄປຂອງ
ຕົວແປເອກະລາດແລະ F ແມ່ນ CDF ປົກກະຕິ. ມັນຍັງເປັນໄປໄດ້ທີ່ຈະເຮັດໃຫ້ຄະແນນຫນ້ອຍລົງ
ຫນ້າທີ່
w_0 sum_{i ໃນ N_0} theta(F(g(X_i))-t) +
w_1 sum_{i ໃນ N_1} theta(tF(g(X_i)))
ບ່ອນທີ່ theta ແມ່ນຟັງຊັນ Heaviside ແລະລະດັບ ta. ນ້ຳໜັກ w_0 ແລະ w_1 scale
ການປະກອບສ່ວນຂອງສອງ subpopulations. ຖັນທຳອິດຂອງຂໍ້ມູນມີ 0/1 ລາຍການ.
ຖັນຕໍ່ເນື່ອງແມ່ນຕົວແປເອກະລາດ. ຮູບແບບແມ່ນລະບຸໄວ້ໂດຍຟັງຊັນ
g(x1,x2...) ບ່ອນທີ່ x1,.. ຫຍໍ້ມາຈາກທໍາອິດ, ອັນທີສອງ.. N-th ຖັນຕົວແປເອກະລາດ.
ຕົວເລືອກ:
-O ປະເພດຜົນຜະລິດ (ຄ່າເລີ່ມຕົ້ນ 0)
0 ຕົວກໍານົດການ
1 ຕົວກໍານົດການແລະຄວາມຜິດພາດ
2 ແລະຄວາມເປັນໄປໄດ້
3 ຕົວກໍານົດການແລະ variance matrix
4 ຜົນກະທົບຂອບ
-V ການຄາດຄະເນ matrix variance (ຄ່າເລີ່ມຕົ້ນ 0)
0
1 < J^{-1} >
2 < H^{-1} >
3 < H^{-1} JH^{-1} >
-z ເອົາ zscore (ບໍ່ແມ່ນ 0/1 dummies)
-F ຕົວແຍກຊ່ອງປ້ອນຂໍ້ມູນ (ຄ່າເລີ່ມຕົ້ນ " \t")
-v ລະດັບ verbosity (ຄ່າເລີ່ມຕົ້ນ 0)
0 ພຽງແຕ່ຜົນໄດ້ຮັບ
1 ຫົວຄຳເຫັນ
2 ສະຖິຕິສະຫຼຸບ
3 ເມທຣິກຄູ່
4 ຂັ້ນຕອນການຫຼຸດຜ່ອນ (ຄ່າເລີ່ມຕົ້ນ 10)
5 ນິຍາມຕົວແບບ
-g ກໍານົດຈໍານວນຈຸດສໍາລັບການກໍານົດຂອບເຂດທີ່ດີທີ່ສຸດຂອງໂລກ
-h ການຊ່ວຍເຫຼືອນີ້
-t ກຳນົດຄ່າເກນ (ຄ່າເລີ່ມຕົ້ນ 0)
0 ບໍ່ສົນໃຈເກນ
(0,1) ຜູ້ໃຊ້ໃຫ້ເກນ
1 ຄອມພິວເຕີທີ່ດີທີ່ສຸດເທົ່ານັ້ນທົ່ວໂລກ
2 ຄອມພິວເຕີທີ່ດີທີ່ສຸດ
-M ວິທີການຄາດຄະເນ
0 ຄວາມເປັນໄປໄດ້ສູງສຸດ
1 ນທ. ຄະແນນ (w0=w1=1)
2 ນທ. ຄະແນນ (w0=1/N0, w1=1/N1)
-A ຕົວເລືອກການເພີ່ມປະສິດທິພາບ MLL (ຄ່າເລີ່ມຕົ້ນ 0.01,0.1,100,1e-6,1e-6,5) ຊ່ອງຂໍ້ມູນແມ່ນ
step,tol,iter,eps,msize,algo. ຊ່ອງຫວ່າງເປົ່າສໍາລັບຄ່າເລີ່ມຕົ້ນ
ຂະຫນາດຂັ້ນຕອນເບື້ອງຕົ້ນຂອງຂັ້ນຕອນການຊອກຫາ
tol line search tolerance iter: ຈໍານວນສູງສຸດຂອງການຊໍ້າຄືນ
eps gradient tolerance : ເກນການຢຸດ ||gradient||
ວິທີການເພີ່ມປະສິດທິພາບຂອງ algo: 0 Fletcher-Reeves, 1 Polak-Ribiere, 2
Broyden-Fletcher-Goldfarb-Shanno, 3 steepest descent, 4 simplex
-B ຕົວເລືອກການເພີ່ມປະສິດທິພາບຄະແນນ (ຄ່າເລີ່ມຕົ້ນ 0.1,100,1e-6) ຊ່ອງຂໍ້ມູນແມ່ນຂັ້ນຕອນ, iter, msize. ຫວ່າງເປົ່າ
ຊ່ອງຂໍ້ມູນສໍາລັບຄ່າເລີ່ມຕົ້ນ
ຂະຫນາດຂັ້ນຕອນເບື້ອງຕົ້ນຂອງຂັ້ນຕອນການຊອກຫາ
iter ຈໍານວນສູງສຸດຂອງ iteration
msize ຂະຫນາດສູງສຸດ, ເງື່ອນໄຂການຢຸດເຊົາ simplex dim.
ໃຊ້ gbnlprobit ອອນໄລນ໌ໂດຍໃຊ້ບໍລິການ onworks.net