加载中…
个人资料
machinelearningblog_381
machinelea
rningblog_381
  • 博客等级:
  • 博客积分:0
  • 博客访问:366
  • 关注人气:76
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
博文
(2013-01-17 16:13)
标签:

杂谈

分类: 经典算法
传统数据分析中,线性方法是一类很重要的方法,它们可以提供对数据的预测,并给出输出和输入之间的关系,但在很多现实问题中,线性方法却往往不能很好地工作,因为输入和输出之间的关系往往是非线性的,对此我们可以利用Basis Expansion的方法来解决,除此之外也可以采用一种更灵活的方法,即Generalized Additive Model.
在Regression的Setting下,一个Generalized Additive Model有如下形式:
http://s14/mw690/a8fead9btd3519b5e5a0d&690
其中f_i是任意光滑的函数,一般我们采用一些函数估计的方法例如Smoothing spline或者Kernel smoother,然后采用一个算法来同时估计这p个函数。
在Classification的Setting下,我们将一个指定样本的后验概率与GAM利用logistic函数来联系起来,如下:
  

新浪BLOG意见反馈留言板 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

新浪公司 版权所有