写在前面
本系列博客是自己对于《统计学习方法》这本书的读书笔记,在读过每个章节以后根据自己的理解写下这一章的知识框架以及补充一些延伸知识点。
目录
本章框架
逻辑斯谛回归模型
名称 | 公式 | 描述 |
逻辑斯谛回分布 | ||
逻辑斯谛回归模型 | 二项逻辑斯谛回归: 多项逻辑斯谛回归: | 是参数化的逻辑斯谛分布 |
几率:该事件发生的概率与不发生概率的比值
对数几率:几率求对数
最大熵模型
最大熵原理➡️最大熵模型➡️最大熵模型的学习
- 最大熵原理
在满足约束条件的所有模型中选取熵最大的那个(服从均匀分布时熵最大)
- 最大熵模型
将最大熵原理应用在分类中得到最大熵模型,q即寻找条件熵最大的模型。
最大熵模型是由以下条件概率分布表示的分类模型,应用于二分类和多分类。
- 最大熵模型的学习
涉及到最大熵,等价为约束最优化问题,又转换为无约束最优化的对偶问题
模型学习的最优化方法
逻辑斯谛回归模型和最大熵模型都归结为以似然函数为目标函数的最优化问题,迭代求解方法:
- 改进的迭代尺度法
- 拟牛顿法
补充知识点