《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

《机器学习(西瓜书)》——线性模型_第1张图片

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。

《机器学习(西瓜书)》——线性模型_第2张图片

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。

你可能感兴趣的:(机器学习&强化学习,机器学习,算法)