广义线性模型

指数分布族

f ( y ∣ θ , ψ ) = e x p { y b ( θ ) − c ( θ ) a ( ψ ) + d ( y , ψ ) } f(y|\theta,\psi)=exp\{\frac{yb(\theta)-c(\theta)}{a(\psi)}+d(y,\psi)\} f(yθ,ψ)=exp{a(ψ)yb(θ)c(θ)+d(y,ψ)}
θ \theta θ:典型参数,与y的均值 μ \mu μ有关

ψ \psi ψ:刻度参数,与方差有关
正态分布,泊松分布
在这里插入图片描述

广义线性模型

  1. 因变量的分布为指数分布族,均值为 μ \mu μ
  2. 系统成分 η = x T β \eta=x^T\beta η=xTβ
  3. 链接函数: g ( μ ) = x T β g(\mu)=x^T\beta g(μ)=xTβ, 其中 g ( ⋅ ) g(·) g()为一对一连续可导变换
    eg: x T β = l o g ( μ 1 − μ ) x^T\beta=log(\frac{\mu}{1-\mu}) xTβ=log(1μμ)
    logit链接函数
    泊松分布:对数链接函数
    x T β = l o g μ x^T\beta=log\mu xTβ=logμ
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值