Generalized Linear Models广义线性模型

前面讲到的线性回归于logistic回归都是广义线性模型的特例，这是一种更加一般的概率模型，伯努利分布，二项分布，高斯分布都属于广义线性模型。当我们要预测的量的概率分布符合GLM的定义时，可以很方便得写出学习算法。
具体定义：
函数b和a视具体情况而定，T是y的充分统计量，一般T（y）=y。当概率分布函数能变形成以上形式时，就说它属于广义线性模型。
确定GLM的各个函数后，由以下假设可以给出学习算法：
假设1：
这是给出预测函数的方法。
假设2：

这是两组参数之间的关系，这实际上也是更新参数学习样本的方法。一般用拟然函数的最大化来更新参数。

实际上，对于给定的x，我们通过一定方法更新参数，而不同的参数对应着不同的概率分布，不同的概率分布直接反应了我们预测的情况，从而实现了机器学习。