1. 线性模型
线性模型是一类统计模型的总称,包括线性回归模型,方差分析模型,常应用于生物、医学、经济、管理。
一般线性模型或多元回归模型是一个统计线性模型,公式:Y=WX+U,说白了就是用线性的函数去模拟样例的分布,在整个模拟过程中,我们希望线性模型的MSE最小,关于线性模型的MSE具体可详见另一篇文章:回归评估参数
在模拟过程中存在一元线性函数,还有多元线性函数,对应的模型就叫线性回归和多元线性回归。
2. 对数几率模型(Logistic回归)
与线性回归相比,Logistic回归结构只是在其基础上多了一个激活的过程。线性回归模型产生的预测值是实际预测的值,而对数几率韩式是一种Sigmoid函数,将实际预测值转化为一个接近0或者1的值,
对数几率实际上将原来的模拟值转换成分类问题了
3. 线性判别分析(LDA)
线性判别分析是一种经典的线性学习方法,给定训练样例集,设法将样例投影到一条直线上,使得同类样例的投影点尽可能接近、异类样例的投影点尽可能远离