[机器学习笔记]三:Generalized Linear Models(广义线性模型)
2018-01-25 01:57
323 查看
我们称广义线性模型为GLM
p(y;η)=b(y)exp(ηTT(y)−a(η))(64)(64)p(y;η)=b(y)exp(ηTT(y)−a(η))
在这里,我们称ηη为自然参数,T(y)T(y)为sufficient statistic,a(η)a(η)为log partition function(划分函数),由T,a,bT,a,b组成了一个家族。
为了推广这个问题,我们做以下三个假设
1.y|x;θ∼ExponentialFamily(η)y|x;θ∼ExponentialFamily(η)
2.我们的目标是求E[T(y)]E[T(y)],换句话说,就是令h(x)=E[y|x]h(x)=E[y|x]
3.ηη与xx线性相关
2.1 Ordinary Least Squares(普通最小二乘)
to be continue…
1. The exponential family(指数分布族)
为了说明GLMs,我们定义The exponential family为具有以下形式的函数:p(y;η)=b(y)exp(ηTT(y)−a(η))(64)(64)p(y;η)=b(y)exp(ηTT(y)−a(η))
在这里,我们称ηη为自然参数,T(y)T(y)为sufficient statistic,a(η)a(η)为log partition function(划分函数),由T,a,bT,a,b组成了一个家族。
2.Constructing GLMs(构造广义线性模型)
想象一下你开了一家便利店,你想通过一些已知参数x来预测一下接下来你店里的人数y。这部分就会介绍如何对这些问题建立GLM。为了推广这个问题,我们做以下三个假设
1.y|x;θ∼ExponentialFamily(η)y|x;θ∼ExponentialFamily(η)
2.我们的目标是求E[T(y)]E[T(y)],换句话说,就是令h(x)=E[y|x]h(x)=E[y|x]
3.ηη与xx线性相关
2.1 Ordinary Least Squares(普通最小二乘)
to be continue…
相关文章推荐
- 机器学习笔记1_3:广义线性模型(GLM, Generalized Linear Models)
- 机器学习笔记四 - 牛顿方法、指数分布族、广义线性模型、广义线性模型(多项式分布)
- 机器学习笔记五:广义线性模型(GLM)
- 【机器学习-斯坦福】学习笔记4 ——牛顿方法;指数分布族; 广义线性模型(GLM)
- 【学习笔记】斯坦福大学公开课(机器学习) 之广义线性模型
- 从GLM广义线性模型到线性回归、二项式及多项式分类——机器学习笔记整理(一)
- 机器学习笔记—再谈广义线性模型
- 机器学习笔记—指数分布簇和广义线性模型
- [置顶] 吴恩达机器学习笔记——指数分布族&广义线性模型&逻辑回归概率模型推导
- scikit-learn学习笔记(三)Generalized Linear Models ( 广义线性模型 )
- 机器学习笔记(X)线性模型(VI)类别不平衡问题
- 人工智障学习笔记——机器学习(2)线性模型
- 1.1 Generalized Linear Models 广义线性模型
- 机器学习笔记(2)线性模型的基本形式
- 机器学习-广义线性模型
- 机器学习笔记-线性模型
- 机器学习笔记-利用线性模型进行分类
- 机器学习-学习笔记 线性模型(二)
- 机器学习笔记5——线性模型(二)
- [机器学习入门] 李宏毅机器学习笔记-25(Sturctured Linear Model;结构化预测-线性模型)