Получение логарифмической вероятности из дерева вероятностных суффиксов

Question

Вот мой код:

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)

Почему-то отказывается возвращать значение логарифмического правдоподобия? Почему это так? Как я могу получить значение логарифмического правдоподобия?

Answer 1

У вас плохие ценности для missing а также right аргументы в вашем seqdef команда, которая затем вызывает ошибку в pstree,

С

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)

мы получаем

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

Обратите внимание, что, поскольку у вас есть пропущенные значения, я установил with.missing = TRUE в pstree команда.

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

Чтобы игнорировать правильные пропуски, установите right='DEL' в 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)

Я не знаю, что вычисляет PST как logLik(S2) и почему мы получаем здесь NA, Вероятность генерации данных с помощью дерева S2 может быть получен с помощью predict функция, которая возвращает вероятность каждой последовательности в данных. Логарифмическая вероятность данных должна быть

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

который дает

 [>] 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

Действительно, была проблема при вычислении вероятности моделей, приспособленных к последовательностям неравной длины. Это исправлено. Новая версия пакета PST (0,94) будет доступна в течение нескольких часов на R-Forge для установки:

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

и позже на CRAN.

Обратите внимание, что поскольку ваши последовательности не содержат пропущенных значений, но имеют разную длину, вам не нужно устанавливать ни with.missing=TRUE при использовании pstree функция или любой вариант при использовании seqdef,

Теперь при запуске следующий код:

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) 

Я получил:

> S1@logLik
[1] -4925.79