广义线性模型
回顾之前我们介绍的一元和多元线性回归,其最终目标都是寻找一个权值向量 w w 和常数偏置 b b , 使每个样本数据 中的 x x 代入二者所确立的模型
y^=wTx+b(1) (1) y ^ = w T x + b
中所得到的模型预测值 y^ y ^ 与真实值 y y 能够尽可能地接近。这里因变量 与自变量 x x 中的每一维都是线性关系,而在现实问题中,绝大多数问题并非简单的线性情况,那么如果 y y 的 衍生 可以满足与自变量的线性关系,例如取对数以后
我们把对数函数这类的函数称为 联系函数 ,其作用是:把真实标记 y y 转换成为其对应特征的线性回归值。从形式上看式 (2) 仍是线性回归,但本质已经转变成了寻找从输入空间到输出空间的非线性映射关系。
更加一般地形式化表示,我们寻找一个单调可微的联系函数 令其满足
y=f−1(wTx+b)