一般线性模型
2015-06-21 09:21
295 查看
指数分布族
形式:
应用:
1. logistic 回归:
logistics 回归其实是伯努利分布。p(y;θ)=θy∗(1−θ)1−yp(y;\theta) = \theta^y * (1-\theta)^{1-y} . 其中θ\theta可以看做hθ(x)h_\theta(x)伯努利分布是指数分布的一个特列:
其中:
η=log(θ1−θ)\eta = log(\frac\theta{1-\theta}) 因此:θ=11+e−η\theta = \frac1{1+e^{-\eta}}
2.梯度下降:
最小二乘法其实是高斯分布。高斯分布是指数分布的一个特列:
y|x;θy|x;\theta ~ N(μ,σ2)N(\mu, \sigma^2) , 其中σ2\sigma^2是无关项,不妨另σ2=1\sigma^2 = 1
其中:
GLM模型建立
步骤:
1. 先建立指数分布模型,想用哪种分布去模拟
2.
写出T(y)T(y) 与 yy的关系式
预测函数hθ(x)=h_\theta(x) = EE{T(y)|x;θT(y)|x;\theta}
η=θTx\eta = \theta^Tx
logistic 回归:
准备用伯努利分布模拟,所以p(y;θ)=θy∗(1−θ)1−yp(y;\theta) = \theta^y * (1-\theta)^{1-y},整理后:所以我们有:
η=log(θ1−θ)\eta = log(\frac\theta{1-\theta}) 因此:θ=11+e−η\theta = \frac1{1+e^{-\eta}} , T(y)=yT(y) = y
根据上述步骤:预测函数hθ(x)=h_\theta(x) = EE{T(y)|x;θT(y)|x;\theta} = θ\theta = 11+e−η\frac1{1+e^{-\eta}}
由第三步知道:η=θTx\eta = \theta^Tx
因此:预测函数hθ(x)=h_\theta(x) = EE{T(y)|x;θT(y)|x;\theta} = θ\theta = 11+e−η\frac1{1+e^{-\eta}} = 11+e−θTx\frac1{1+e^{-\theta^Tx}}
由此我们得到了我们需要的预测函数:hθ(x)=11+e−θTxh_\theta(x) = \frac1{1+e^{-\theta^Tx}},然后由最大似然法确定迭代式。
梯度下降(Linear Regression)
准备用高斯分布模拟,所以:整理后我们有:
T(y)=yT(y) = y , η=μ\eta = \mu
所以预测函数:hθ(x)=h_\theta(x) = EE{T(y)|x;μT(y)|x;\mu} = μ\mu = η\eta
因为:η=θTx\eta = \theta^Tx,所以:hθ(x)=θTxh_\theta(x) = \theta^Tx
由此我们得到了我们需要的预测函数:hθ(x)=θTxh_\theta(x) = \theta^Tx,然后由最大似然法确定迭代式。
线性分类(Softmax Regression)
问题:
线性分类问题是logistic 回归的一个扩展,都是针对离散型结果,即分类问题。Softmax分类的Y值可以取{1, 2, 3, …… ,k} ,即有k中分类方式模型建立:
p(y=i;θ)=θip(y=i; \theta) = \theta_i上式整合:
因此:
求解该式子:
因此:
因为:η=θTx\eta =\theta^Tx , 因此: ηi=θix\eta_i = \theta_i x, 其中我们可以知道θ\theta是一个K*N维矩阵。
所以:
预测函数hθ(x)h_\theta(x):
迭代式子:
利用最大似然法:然后利用梯度下降或Newton迭代法
相关文章推荐
- Commit message中Partial-Bug, Related-Bug等含义
- Android启动画面
- C++语言基础 例程 C++中的输入和输出
- JavaScript中圆括号()和方括号[]的一个特殊用法
- JavaScript中圆括号()和方括号[]的一个特殊用法
- 黑马程序员——JAVA笔记——线程
- 宏定义中的#,##
- Windows 10预览版升级正式版无需Win7/Win8.1授权
- C++语言基础 例程 C++的数据类型和运算符
- 8.17~8.18
- 谷歌上不去,长期的解决方案。在稳定高速Google和Gmail
- asp.net web 服务器端全局定时执行任务
- 如何定位自己的职业规划
- ASP.NET定时执行任务
- 欧拉函数
- CSS,background-image网页效果不显示问题
- composer干嘛这么神经?
- 日经社説 20150621 協力の芽を育み強固な日韓関係を
- 日经春秋 20150621
- 浙江大学PAT_甲级_1084. Broken Keyboard (20)