《Andrew Ng 机器学习笔记》这一系列文章文章是我再观看Andrew Ng的Stanford公开课之后自己整理的一些笔记,除了整理出课件中的主要知识点,另外还有一些自己对课件内容的理解。同时也参考了很多优秀博文,希望大家共同讨论,共同进步。
网易公开课地址:http://open.163.com/special/opencourse/machinelearning.html
参考博文:http://blog.csdn.net/acdreamers/article/details/44663305 http://blog.sina.com.cn/s/blog_8a951ceb0102wa6t.html
本篇博文涉及课程四:牛顿方法
主要内容有:
(1)牛顿法(Newton's Method) (上篇博文已做具体分析)
(2)指数分布族 (上篇博文已做具体分析)
(3)广义线性模型(GLMS)
(4)多项式分布
广义线性模型
![](http://images.cnitblog.com/blog/571227/201412/261515194992020.png)
这次我们要了解的广义线性模型,是基于指数分布族的,我们可以通过指数分布族引出广义线性模型(Generalized LinearModel,GLM)。这种模型是把自变量的线性预测函数当作因变量的估计值。