机器算法验证 - 广义伽玛 GLM - 吾爱随笔录

机器算法验证广义线性模型伽马分布

2022-03-13 19:43:13

但是我在 R（或 python）中找不到让我在 GLM 框架中使用它的实现，比如 glm(y ~ x, family(GenGamma)).

我只能在 flexsurv 包中找到分发定义，但仅用于生存用途。

有没有办法在 GLM 设置中使用广义伽玛？

更新：

@Glen_b 建议的方法1.效果很好：

library(flexsurv)
df <- data.frame(y = runif(100, 1, 10), x1 = rnorm(100))
flexsurvreg(Surv(y) ~ x1, data = df, dist = "gengamma")

1个回答

有几个相当明确的选择。

您可以使用生存模型。将响应值视为所有未经审查的生存时间。例如，我使用这种策略来拟合 Weibull 模型；它通常工作得很好。

这里有一个例子，展示了使用 Weibull 模型来处理非生存数据。[这里有第二个例子，fitdistr在通常的方法遇到问题的情况下，使用它来简单地拟合 Weibull 分布。]

这两个例子应该足以传达一般思想，并将其应用于广义伽马。
如果您知道“功率”参数（ $p$ 在 Wikipedia 链接中）您可以将数据转换为 Gamma 并使用 GLM。
如果 $p$ 是未知的，你可以使用条件 $p$ 您可以拟合 GLM（然后对比例参数进行 ML 估计，例如通过 MASS 中的相关函数 - 它使用类似的想法）以获得轮廓似然性 $p$ , 以获得整体 MLE $p$ 和伽马参数。
或者，您可以尝试使用可能性的直接优化。

其它你可能感兴趣的问题