深度学习6一般线性模型
来源:互联网 发布:淘宝试用平台哪个最好 编辑:程序博客网 时间:2024/06/14 08:49
在前面我们曾经有一个问题,就是在logistic回归中,我们为什么用
对于这个问题,我们先定义了一个一般线性模型
一般为y,就是我们前面所说的真实值y
这个分布也就是指数分布
伯努利分布,高斯分布,泊松分布,贝塔分布,狄特里特分布都可以用这个指数分布来表示。
在对数回归时采用的是伯努利分布,对于伯努利分布,可以表示成
则我们对照上面的一般线性模型
解,这边也就看到我们为什么用上面的g(z)的原因
对于正态分布,为了简单起见,
则对照上面的一般线性模型。有
这个也就是我们前面的线性回归。
好的,下面总结一下思路:
1. 对于我们要估计的值,我们就将其转化到某个分布中去,(特定的问题转化到特定的分布)
比如分类问题,我们只有0跟1,则我们转换到0,1分布中去,则我们就用到一个函数
2.对于其他的问题,也就可以转化到其他分布上去。对于可以转化的问题就是给点x和θ,分布y服从以η为参数一般线性模型。
3.我们的目标是在x的条件下预测真实值,一般情况为y,对于我们的预测函数h(x),认为其实在x条件下y的期望,,则
在logistic回归中,分布为其期望是,即h==
在线性回归中,分布是正态分布,期望是,即
h==
这样对于前面的logistic回归的理论就有了。
0 0
- 深度学习6一般线性模型
- 一般线性模型学习总结
- 一般线性模型
- 一般线性模型、混合线性模型、广义线性模型
- 深度学习笔记——深度学习框架TensorFlow(五)[TensorFlow大规模线性模型教程]
- 深度学习笔记——深度学习框架TensorFlow(六)[TensorFlow线性模型教程]
- 深度学习-线性分类
- 线性回归、logistic回归、一般线性模型回归
- 机器学习----线性模型
- 线性模型学习笔记
- ML—广义线性模型深度解析
- 深度学习-自然语言模型
- 深度学习-自然语言模型
- 深度学习-gloVe模型
- 深度学习:Seq2seq模型
- 斯坦福深度学习-线性回归
- 一般线性模型的最小二次方拟合方法
- MATLAB深度学习 : 一般深度学习MATLAB代码解析
- 深度学习3线性回归,逻辑回归
- 摘录 操作系统
- structure from motion
- 深度学习4线性回归,逻辑回归
- 深度学习5牛顿法
- 深度学习6一般线性模型
- 深度学习7softmax回归
- 换电脑带来的问题
- HTML学习总结
- PCL新编译 错误libboost_thread-vc100-mt-gd-1_51.lib(thread.obj)
- llvm
- CUDA编译问题
- ubuntu一些问题
- 解决ubuntu上opengl的问题