《机器学习(西瓜书)》——线性模型

1.线性回归

如果只有一个输入属性x,则f(x_{i})=wx_{i}+b,使用最小二乘法求解模型最优解即可。

如果有多个输入属性,f(x_{i})=W^{T}X_{i}+b,当X时满秩矩阵或者正定矩阵矩阵时,有解析解\widehat{W}^{*}=(X^{T}X)^{-1}X^{T}y.

对数线性回归:lny=W^{T}x+b,y=e^{W^{T}x+b},形式线性回归,是输入空间到输出空间的非线性映射

2.对数几率回归——分类任务

对数几率函数:y=\frac{1}{1+e^{-z}}

y=\frac{1}{1+e^{-(W^{T}x+b)}}\rightarrow ln\frac{y}{1-y}=W^{T}x+b\rightarrow ln\frac{p(y=1|x)}{p(y=0|x)}=W^{T}x+b

p(y=1|x)=\frac{e^{W^{T}x+b}}{1+e^{W^{T}x+b}},p(y=0|x)=\frac{1}{1+e^{W^{T}x+b}}

极大似然法估计w和b的值

3.线性判别分析LDA

给定训练样例集,将样例投影到一条直线上,使同类样例投影点尽可能靠近,异类样例投影点尽可能远离。

用拉格朗日对偶问题求解,具体过程不再赘述

当两类数据同先验、满足高斯分布且协方差相等时,达到最优分类。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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