本讲大纲:
1.牛顿方法(Newton’s method)
2.指数族(Exponential family)
3.广义线性模型(Generalized linear models)
1.牛顿方法
假设有函数:,我们希望找到满足
的
值. 这里
是实数.
牛顿方法执行下面的更新:
下图为执行牛顿方法的过程:
简单的来说就是通过求当前点的导数得到下一个点.用到的性质是导数值等于该点切线和横轴夹角的正切值.
令,我们可以用同样的算法去最大化
牛顿方法的一般化:
如果是一个向量,那么:
其中,是
对

本文深入探讨了机器学习中的牛顿方法,解释了如何利用牛顿法求解函数极值,强调了在高维空间中计算的挑战。接着介绍了指数族分布,展示了伯努利和高斯分布作为指数族的例子。最后,详细阐述了广义线性模型(GLMs)的基础,包括普通最小二乘法、logistic回归和softmax回归,将这些方法与牛顿方法和指数族联系起来。
211

被折叠的 条评论
为什么被折叠?



