浅谈广义线性回归

首先，广义线性模型是基于指数分布族的，而指数分布族的原型如下

   

   其中为自然参数，它可能是一个向量，而叫做充分统计量，也可能是一个向量，通常来说。

   实际上线性最小二乘回归和Logistic回归都是广义线性模型的一个特例。当随机变量服从高斯分布，那么

   得到的是线性最小二乘回归，当随机变量服从伯努利分布，则得到的是Logistic回归。

   那么如何根据指数分布族来构建广义线性模型呢？ 首先以如下三个假设为基础

   （1）给定特征属性和参数后，的条件概率服从指数分布族，即。

   （2）预测的期望，即计算。

   （3）与之间是线性的，即。

   在讲解利用广义线性模型推导最小二乘和Logistic回归之前，先来认识一些常见的分布，这是后面的基础。

 　　（1）高斯分布

      关于高斯分布的内容我就不再多讲了，如果把它看成指数分布族，那么有

      

         对比一下指数分布族，可以发现

      

      所以高斯分布实际上也是属于指数分布族，线性最小二乘就是基于高斯分布的。

　　（2）伯努利分布

      伯努利分布又叫做两点分布或者0-1分布，是一个离散型概率分布，若伯努利实验成功，则伯努利随机变量取值为1，如果失败，则伯努利随机变量取值为0。并记成功的概率为，那么失败的概率就是，

      所以得到其概率密度函数为

                          

         如果把伯努利分布写成指数分布族，形式如下

       

      对比指数分布族，有

      

      Logistic回归就是基于伯努利分布的，之前的Sigmoid函数，现在我们就可以知道它是如何来的了。如下

      

      如果

      

      那么叫做正则响应函数，而叫做正则关联函数。

  （3）泊松分布

      泊松分布是一种离散型概率分布，其随机变量只能取非负整数值0，1，2，... 且其概率密度函数为

      

      其中参数是泊松分布的均值，也是泊松分布的方差，表示单位时间内随机事件的平均发生率。在实际

      的实例中，近似服从泊松分布的事件有：收银员某段时间接受的顾客数，或者某段时间火车站排队的人数，以及客服接到的投诉数等计数问题。