本次课程大纲：
1、 牛顿方法：对Logistic模型进行拟合
2、 指数分布族
3、 广义线性模型（GLM）：联系Logistic回归和最小二乘模型
复习：
Logistic回归：分类算法
假设给定
本次课程介绍了牛顿方法在拟合Logistic回归中的优势，这是一种比梯度上升更快的优化算法。还探讨了指数分布族，包括伯努利和高斯分布，并证明了它们属于指数分布族。最后，阐述了广义线性模型（GLM）的概念，以Logistic和多项式分布为例，展示了如何推导出GLM。
本次课程介绍了牛顿方法在拟合Logistic回归中的优势，这是一种比梯度上升更快的优化算法。还探讨了指数分布族，包括伯努利和高斯分布，并证明了它们属于指数分布族。最后，阐述了广义线性模型（GLM）的概念，以Logistic和多项式分布为例，展示了如何推导出GLM。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
