机器学习笔记1_3:广义线性模型(GLM, Generalized Linear Models)
2016-04-21 14:05
597 查看
形式:
η称为自然参数(natural parameter), T(y)是充分统计量(通常T(y)=y),a(η)称为log partition function,上式中e−a(η)作为归一化参数。通过改变η可以得到不同的分布
伯努利分布(对应逻辑回归):
上式中η=log(ϕ1−ϕ),有趣的是,如果我们反解出ϕ会得到ϕ=11+e−η,正好是sigmoid函数
高斯分布(对应线性回归)
为了简便起见,令σ2=1得到
其中:
η称为自然参数(natural parameter), T(y)是充分统计量(通常T(y)=y),a(η)称为log partition function,上式中e−a(η)作为归一化参数。通过改变η可以得到不同的分布
伯努利分布(对应逻辑回归):
上式中η=log(ϕ1−ϕ),有趣的是,如果我们反解出ϕ会得到ϕ=11+e−η,正好是sigmoid函数
高斯分布(对应线性回归)
为了简便起见,令σ2=1得到
其中:
相关文章推荐
- 用Python从零实现贝叶斯分类器的机器学习的教程
- My Machine Learning
- 机器学习---学习首页 3ff0
- 反向传播(Backpropagation)算法的数学原理
- 关于SVM的那点破事
- 也谈 机器学习到底有没有用 ?
- 如何用70行代码实现深度神经网络算法
- 量子计算机编程原理简介 和 机器学习
- 近200篇机器学习&深度学习资料分享(含各种文档,视频,源码等)
- 已经证实提高机器学习模型准确率的八大方法
- 初识机器学习算法有哪些?
- 机器学习相关的库和工具
- 10个关于人工智能和机器学习的有趣开源项目
- 机器学习实践中应避免的7种常见错误
- 机器学习常见的算法面试题总结
- 机器学习书单
- 北美常用的机器学习/自然语言处理/语音处理经典书籍
- 如何提升COBOL系统代码分析效率
- 自动编程体系设想(一)
- 自动编程体系设想(一)