學(xué)習(xí)筆記，僅供參考，有錯(cuò)必糾

參考自：機(jī)器學(xué)習(xí)-算法背后的理論和優(yōu)化；

---

廣義線性模型

廣義線性模型的定義

對(duì)于第一個(gè)問題，后面的分析中會(huì)看到在一定的假設(shè)下選擇Sigrnoid函數(shù)是一種必然。

關(guān)于第二個(gè)問題，在前面的分析中已經(jīng)看到，線性回歸對(duì)應(yīng)著正態(tài)分布，邏輯回歸對(duì)應(yīng)的是伯努利分布，那么很自然地可以聯(lián)想到，不同類型的預(yù)測(cè)變量是否對(duì)應(yīng)著不同類型的分布呢?

從廣義線性模型(GLM)的角度來(lái)看，確實(shí)是這樣的。所謂的廣義線性模型，便是沿著這個(gè)思路對(duì)線性回歸進(jìn)行了擴(kuò)展。下面給出廣義線性模型的正式定義。

廣義線性模型由以下三部分組成：

隨機(jī)成分：定義了輸出變量 y y

總結(jié)

以上是生活随笔為你收集整理的机器学习-算法背后的理论与优化(part2)--广义线性模型的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。