Обобщённая линейная модель

Материал из MachineLearning.

Перейти к: навигация, поиск
  1. Обобщённые линейные модели (Generalized Linear Model, GLM), называемые также обобщёнными аддитивными моделями (Generalized Additive Model, GAM), можно рассматривать как дальнейшее обобщение криволинейной регрессии y=g^{-1}\left(\sum\nolimits_{i=1}^n a_i g_i(\mathbf{x})\right), где g(y) называется функцией связи (link function). Обычно в GLM дополнительно предполагается, что зависимая переменная подчиняется экспонентному распределению.
  2. Логистическая регрессия — частный случай обобщённой линейной модели, если взять логит-функцию связи g(y)=\ln\left(\frac{p}{1-p}\right), где p — зависимая переменная, имеющая смысл вероятности. Логистическая регрессия применяется для решения задач классификации и позволяет оценивать вероятности принадлежности объекта каждому из классов.


Литература

  • Youngjo Lee, John A. Nelder, Yudi Pawitan Generalized Linear Models with Random Effects: Unified Analysis Via H-likelihood. Published by CRC Press, 2006. 396 pages. ISBN 1584886315

Внешние ссылки

Личные инструменты