【Probit】理论简介
source link: https://www.guofei.site/2017/07/18/probit.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
【Probit】理论简介
2017年07月18日Author: Guofei
文章归类: 2-1-有监督学习 ,文章编号: 280
版权声明:本文作者是郭飞。转载随意,但需要标明原文链接,并通知本人
原文链接:https://www.guofei.site/2017/07/18/probit.html
正如Logit模型中写的,logit模型是一种典型的分类模型
Probit模型与Logit模型没有本质区别,模型结果的差别也不大。
区别是Logit模型假设随机变量服从logistics distribution,Probit模型假设随机变量服从正态分布
关于Logit模型和logistic distribution见于我的另一篇博客
另外,一般所说的Probit模型,y有两个取值0-1。有序Probit模型中,y是离散、有序的多个取值
模型建立
Y∗=wx+εY∗=wx+ε
其中,
Y是离散化的Y∗Y∗,Y∗Y∗是Y的连续化,它们之间的对应关系是:
Y=k⟺Y∗∈(uk−1,uk],k∈[1,m]Y=k⟺Y∗∈(uk−1,uk],k∈[1,m]
εε服从标准正态分布
(因此probit模型适用于:y是有序离散变量的情景。模型与y的次序有关,与y的值无关)
模型输出
P(Y=k∣X)=P(Y∗∈[uk−1,uk]∣X)=Φ(uk−wx)−Φ(uk−1−wx)P(Y=k∣X)=P(Y∗∈[uk−1,uk]∣X)=Φ(uk−wx)−Φ(uk−1−wx)
模型计算
令u0=−∞,um=+∞u0=−∞,um=+∞
需要求解的参数是(u1,u2,…,um−1,w)(u1,u2,…,um−1,w)
方法是经典MLE方法,不多解释
您的支持将鼓励我继续创作!
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK