第三章 线性模型
1、线性模型的基本形式
w因为直接展示属性在预测中的重要性,所以线性模型有着很好的解释性。我们可以直观的看到每个属性的对于预测结果的权重。
2、均方误差,用来衡量w和b这两个参数,以此来缩小预测值到实际值的差距:
w和b的最优解,即为:
为所有样本的均值。
对于有m个样本的数据集,数据集D可以用矩阵X表示:
要注意的一点是,我们的矩阵不一定是满秩矩阵,比如有一些超多变量的矩阵,就会导致列数多于行数,常见的做法是引入正则化项。
3、对数线性回归和广义线性模型
4、对数几率回归(很多地方写成逻辑回归):
这样,预测的y就会落在0到1之间:
这种方法有很多优点,例如它是直接对分类可能性进行建模,无需事先假设数据分布,这样就避免了假设分布不准确所带来的问题;它不是仅预测出"类别",而是可得到近似概率预测,这对许多需利用概率辅助决策的任务很有用;此外,对率函数是任意阶可导的凸函数,有很好的数学性质,现有的许多数值优化算法都可直接用于求取最优解。
5、线性判别分析
其实就是把样例投影到一条直线上,使得同类的投影尽量近,另一类的投影尽量远。
6、多分类学习
使用二分类方法引申至多分类问题,有一对一,一对其余和多对多的方案:
7、对于类别不平衡的问题,我们可以使用欠采样、过采样和阈值移动,阈值移动就是先根据不平衡的训练集训练出模型来,再把预测的结果根据正反样例的比例放大或缩小。欠采样就是去除样例多的类中的样例,过采样就是反过来做。