机器学习笔记—指数分布簇和广义线性模型

Posted 代冕

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习笔记—指数分布簇和广义线性模型相关的知识,希望对你有一定的参考价值。

到目前为止,我们讲了回归和分类的例子,在回归例子中:

技术分享

技术分享

技术分享

在分类例子中:

技术分享

技术分享

技术分享

可以看出,μ 和 Φ 是作为 x 和 θ 的函数来定义的。

在本文会看到,这两个模型其实都只是一个广大模型家族的特例,广义线性模型。我们也将演示广义线性模型家族的其它模型如何推导,并如何应用到分类和回归问题中的。

 

 

 

 

参考资料:

1、http://cs229.stanford.edu/notes/cs229-notes1.pdf

以上是关于机器学习笔记—指数分布簇和广义线性模型的主要内容,如果未能解决你的问题,请参考以下文章

机器学习笔记—再谈广义线性模型

机器学习算法总结——广义线性模型(线性回归,逻辑回归)

机器学习——牛顿法,指数分布簇,广义的线性模型

斯坦福吴恩达教授机器学习公开课第四讲笔记——牛顿方法/广义线性模型

[读书笔记] R语言实战 (十三) 广义线性模型

指数分布族与广义线性模型