學習筆記，僅供參考，有錯必糾

參考自：機器學習-算法背后的理論和優化；

---

廣義線性模型

廣義線性模型的定義

對于第一個問題，后面的分析中會看到在一定的假設下選擇Sigrnoid函數是一種必然。

關于第二個問題，在前面的分析中已經看到，線性回歸對應著正態分布，邏輯回歸對應的是伯努利分布，那么很自然地可以聯想到，不同類型的預測變量是否對應著不同類型的分布呢?

從廣義線性模型(GLM)的角度來看，確實是這樣的。所謂的廣義線性模型，便是沿著這個思路對線性回歸進行了擴展。下面給出廣義線性模型的正式定義。

廣義線性模型由以下三部分組成：

隨機成分：定義了輸出變量 y y

總結

以上是生活随笔為你收集整理的机器学习-算法背后的理论与优化(part2)--广义线性模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。