从统计学的角度看线性回归
来源:互联网 发布:南方数据传输软件下载 编辑:程序博客网 时间:2024/06/05 09:00
线性回归是机器学习中常用的一种监督学习方法。常被用于选择重要特征和构造基学习器。本文将用统计学中极大似然估计和贝叶斯统计的方法推导线性回归及正则化。
极大似然估计法
极大似然估计的核心思想是找出一组参数值,使得在该参数值下,训练样本被观察到的概率最大。
在以下推导中,
假设
则所有训练样本
我们的目的是找出最佳回归系数w,使得
令
最大化
求解:
得:
检验w是否为最优解:
当
有的时候为了防止过拟合,我们还会在损失函数中加入正则项(Regularizer),比如L2范数
令
其中
再次求解
得:
检验w是否为最优解:
故当
贝叶斯线性回归
在贝叶斯统计中,有三种概率分布:先验概率(prior),似然概率(likelihood)和后验概率(posterior)。类似之前极大似然估计中,我们假设似然概率:
即
以下推导中我们假设
先验概率:
根据贝叶斯公式
对比高斯分布的分布函数,我们可以发现
其中:
令
当
另一方面,如果我们令
最大化
- 从统计学的角度看线性回归
- 从神经网络的角度理解线性回归与逻辑斯谛回归(from Linear regression to logistic regression)
- 机器学习(四)从信息论交叉熵的角度看softmax/逻辑回归损失
- 从FrameWork的角度看Creational Pattern
- 从编译器的角度看C代码
- 从组成的角度看JSP
- 从深度心理学的角度看爱情
- 从分布式系统的角度看REST
- 从程序员的角度看DNA
- 从程序员的角度看DNA
- 从操作系统的角度看程序
- 从一个大学生的角度看现代教育
- 从二进制的角度看对象
- 从搜索的角度看互联网
- 从深度心理学的角度看爱情
- 从应用程序的角度看Binder
- 从绘画的角度看程序设计
- 从经理的角度看技术债务
- Android 如何让悬浮窗口覆盖显示在导航栏之上?
- [noip 2016普及组第三题]: 海港
- activiti学习(一)
- DNS服务器搭建详解
- Ruby构造简单的登录请求登录WEB服务器
- 从统计学的角度看线性回归
- 使用WindowManager.addView()方法增加的悬浮窗口,如何固定屏幕显示方向?
- laravel 包开发问题
- HDU1257-最少拦截系统(dp)
- const用法的解惑
- typedef用法总结之续
- 面向对象及组件开发(八)this 指向
- team / 网桥 / IPV6
- 如何让某个view悬浮在其他界面之上?