第三节 —— 视角切换到机器学习
我们把刚才统计中的各种符号和术语渐变到机器学习中来。
需要转换的术语 | 统计回归分析 | 机器学习 |
---|---|---|
x ⃗ i \vec x_i xi | Independent variable of the i t h i^{th} ith sample | 第 i 条数据的特征向量 |
β ⃗ \vec{\beta} β | Regression coefficients | 权重(参数) w ⃗ \vec{w} w,需要学习的东西 |
P i P_i Pi | Dependent variable | 输出,要预测的东西 |
P i = 1 1 + e x p ( − x i ⃗ T β ⃗ ) P_i=\frac{1}{1+exp(-\ \vec{x_i}^T\vec{\beta})} Pi=1+exp(− xiTβ)1 ⇕ \Updownarrow ⇕ y = σ ( w ⃗ T x ⃗ ) y=\sigma(\vec{w}^T\vec{x}) y=σ(wTx) |
Transformation | Activation function |
一切似乎都逐渐明朗了。
w ⃗ T x ⃗ \vec{w}^T\vec{x} wTx 不就是特征的 weighted sum 嘛。假如共有k个特征(b 表示bias):
w ⃗ = { w 1 w