博文

线性分类器

已有 3126 次阅读 2013-8-5 22:30 |个人分类:机器学习|系统分类:科研笔记| 线性分类器

输入是x,输出是t.如果是一个二分类问题,t是一个布尔值, $t\in \{0,1\}$ ,t服从伯努利分布,即

$p(t|\mu)= \mu^x(1-\mu)^{1-x}$

如果是一个多分类,用1-of-K的编码方式,t服务离散分布,即

$p(t|\mu) = \prod_{k=1}^K\mu^{t_k}$

对于回归问题,我们可以用 $y = w^Tx$ 表示,因为 $w^Tx$ 表示的是实数,而分类问题中的参数 $\mu$ 表示范围是[0,1],因此我们需要一个将实数集映射到[0,1]区间函数f.因此我们得到如下关系:

$y(x) = f(w^Tx)$

其中f称为激活函数,它的逆称为链接函数.该模型也称为广义线性模型(参数广义线性模型一文

转载本文请联系原作者获取授权，同时请注明本文来自李建扣科学网博客。
链接地址：https://blog.sciencenet.cn/blog-520608-714427.html

上一篇：贝叶斯模型比较
下一篇：高斯过程

收藏 IP: 124.16.137.*| 热度|

数据加载中...

返回顶部

博文发布时间已经超过87600小时，评论已关闭。

扫一扫，分享此博文