广义线性模型
逻辑斯谛回归概念可以认为是属于广义线性回归的范畴,但它是用来进行分类的。
线性模型的表达式为: f ( x ) = w 0 + w 1 x 1 + w 2 x 2 + . . . + w n x n f(x)=w_0+w_1x_1+w_2x_2+...+w_nx_n f(x)=w0+w1x1+w2x2+...+wnxn——(1)
其中,
x 1 x n x_1~x_n x1 xn就是n个特征,作为模型的输入
w 0 w n w_0~w_n w0 wn就是线性模型的n+1个参数
线性模型虽然简单,却拥有丰富的变化。当我们希望线性模型(1)的预测值逼近真实标记 y y y时,就得到了线性回归模型,把线性回归模型简写为
y = w 0 + w 1 x 1 + w 2 x 2 + . . . + w n x n = w T x + b y=w_0+w_1x_1+w_2x_2+...+w_nx_n=w^Tx+b y=w0+w1x1+w2x2+...+wnxn=wTx+b
那么可否将模型的预测值逼近 y y y的衍生物呢?
假设我们认为实例所对应的输出标记是在指数尺度上变化,那么就将输出标记的对数作为线性模型逼近的目标,
即