1) Penalized Quasi-Likelihood
惩罚伪似然估计
1.
Currently,the approximate estimation used in GLMMs is Penalized Quasi-Likelihood(PQL)and Marginal Quasi-Likelihood (MQL), However, neither of these parameter estimation methods expose some shortage in practical applications: although MQL is fast,but only consider fixed effect, When the va
目前常用的GLMMs参数估计方法为惩罚伪似然估计(Penalized Quasi-Likelihood,PQL)和边际伪似然估计(Marginal Quasi-Likelihood,MQL)。
2) penalized likelihood estimation
惩罚似然估计
3) penalized quasi-likelihood estimators
惩罚准似然估计
4) maximum penalized likelihood estimator
最大惩罚似然估计
5) Penalized likelihood
惩罚似然
6) pseudo-likelihood estimate
伪似然估计
1.
For estimating the ROC curve,we use the method of pseudo-likelihood estimate and local polynomial fitting to estimate the unknown function and the parameters.
本文考虑检测结果的均值服从位置尺度模型,且均值经过一个未知的函数变化与协变量有线性关系的模型,并用伪似然估计和局部线性方法估计该未知的函数和各参数,从而估计出 ROC 曲线。
补充资料：惩罚
惩罚
punishment
惩罚(punishment)亦称“负强化物”，指在反应后出现的能够抑制那一反应的事物。学习心理学的研究表明，惩罚会使机体产生对罚的恐惧，从而可抑制人或动物去进行那些会带来惩罚的活动。动物实验经常用电击、强光等引起生理上痛苦的事物来作为惩罚。对人的惩罚可分成精神惩罚和物质惩罚。运用惩罚控制人的行为时，lJJ以对做某个反应进行惩罚，禁止人做某事;也可以对不做某个反应进行惩罚，督促人做某事。使用惩罚时要及时和强度适当。若不及时则其效果明显降低，甚至于没有影响;强度过高或过低会造成强化的对比效应。惩罚有一些副作用，会引起人的消极情绪，导致攻击性行为，使用时需要慎重。 (周国怕撰戚立夫审)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条