1樓：增益
Binomial 分布和 Bernoulli 分布在 GLM 中的表示形式是一樣的。
Binomial 分布是重複 n 次的 Bernoulli 實驗。假設每次的成功概率是 p。
Binomial 分布和 Bernoulli 分布在 GLM 中的連線函式都是：
一邊是自變數的線性組合，一邊是伯努利實驗的成功概率 p，而不是你說的「Binomial分布的Support是非負整數」，既然是概率 p，就跟「Logit函式可接受的Support在(0,1)」沒有矛盾了。
PS：1、GLM 是通過連線函式，把自變數線性組合和因變數的概率分布連起來，該概率分布可以是高斯分布、二項分布、多項式分布、泊松分布、伽馬分布、指數分布、貝塔分布和 Dirichlet 分布，所以被稱作廣義線性模型。供參考。
2、Logistic 回歸為什麼會是分類演算法？
這裡要理解回歸的含義。這裡的回歸並不是回歸到具體的 1 或 0 值，而是伯努利實驗的成功概率 p，這個 p 會隨著資料集的訓練而回歸到真正的值。
對於不同的 x，因變數 y 的期望 p 也不一樣。
也可以認為，回歸是到自變數線性組合 的引數 ，我們假定 是乙個未知常向量，隨著訓練資料集不斷校正 ，最終 會回歸到定值。
立志成為quant，請問廣義線性模型有用嗎？
其實我感覺本科所學的內容還是較淺的，不排除有一些聰明的學霸本科就已經學的很深入。但是考慮接受度的問題，我感覺本科的課程開的更像入門，明白一些簡單的，而要想把所學知識熟練應用到quant領域，最起碼要做精通，而精通的最低要求，學時應該達到1000小時左右。而本科的課程安排估計只有100學時左右，也就是...
泊松回歸模型和對數線性模型的區別是什麼？
靜學社 學無止境 泊松回歸很顯然是y符合泊松分布或者假設y符合泊松分布 到底是不是真的泊松分布並不重要 對應 廣義線性模型 中的泊松分布模型。如果 鏈結函式 是g u u 這種鏈結函式用的非常少 則泊松回歸並不屬於 對數線性模型 只有g u ln u 時才屬於 對數線性模型 對數線性模型 包含了很多...
請問線性混合效應模型r語言怎麼實現？
拓端資料科技 瀉藥，混合模型適合需求嗎？混合模型在很多方面與線性模型相似。它估計乙個或多個解釋變數對響應變數的影響。混合模型的輸出將給出乙個解釋值列表，其效應值的估計值和置信區間，每個效應的p值以及模型擬合程度的至少乙個度量。如果您有乙個變數將您的資料樣本描述為您可能收集的資料的子集，則應該使用混合...