如果把数据分析比作一家餐厅，普通线性回归就是一位只会做白米饭的大厨：客人点二分类的“点击/不点击”、计数型的“一周故障几次”、右偏的“理赔金额多少”，他全都摇头说做不了，因为他手里的菜谱只接受正态分布的连续食材。广义线性模型（GLM）就是给这家餐厅换上一套“万能定制菜单”。菜单分三层：第一层选主菜——目标变量服从哪种指数族分布；第二层调味道——用线性组合把特征拌成“线性预测器”；第三层选烹饪方式——用链接函数把主菜的均值与调味汁接起来。于是，线性回归成了只做白米饭的特例，而逻辑回归、泊松回归、Gamma回归都是同一套菜单下的招牌菜。本文从“白米饭”的局限讲起，一步步展示如何通过指数族分布、三要素和链接函数，搭出一套能应对任意指数族目标分布的建模框架。

岗位关联

学完 GLM，你不再为二分类、计数、偏态数据四处拼模型，而是用一套统一框架覆盖主流业务建模场景，直接提升从特征到业务指标的落地效率。

目录
  1. 可视化演示
  2. 线性模型的局限
  3. 指数族分布
  4. GLM三要素
  5. 链接函数
  6. 常见GLM实战
  7. 参数估计拟合
  8. 模型评估应用
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

动态演示把线性模型推广到任意分布的G的核心机制，通过架构/数据/状态/性能四种模式展示关键概念与交互流程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

把线性模型推广到任意分布的G：GLM的 GLM的设计动机与三大组件 指数族分布与GLM统一框架 核心机制可视化 把线性模型推广到任意分布的G整体架构与关键组件

线性模型的局限

一位只会做白米饭的大厨，无论客人点什么菜，他都端出同样的白米饭。普通线性回归就是这位大厨：它假设目标变量 \(y\) 来自正态分布，所以只能端出“连续、对称、方差稳定”的白米饭。可真实业务里，用户点击是 0/1 的“甜辣口”，事故次数是 0、1、2 的“小笼包计数”，理赔金额是右偏的“重口味大菜”。大厨不是不想做，而是他的固定菜谱里根本没有这些食材的位置。

从数学上看，线性回归把目标写成线性组合加噪声：

这个框架的问题在于：它把“目标本身”和“目标均值”混为一谈，默认均值可以不加约束地写成线性公式。可一旦目标是概率、计数或金额，直接线性预测就会出现负概率、负次数、负金额。于是我们需要换一套更灵活的菜单：把“主菜分布”从正态扩展到更多食材，这就是 GLM 的起点。

y=β0+β1x1+⋯+βpxp+ε,ε∼N(0,σ2)\displaystyle y = \beta_0 + \beta_1 x_1 + \cdots + \beta_p x_p + \varepsilon, \qquad \varepsilon \sim \mathcal{N}(0,\sigma^2)
公式表示：目标值等于“食材线性搅拌”再加上一个正态分布的随机误差。
  1. 线性预测部分\(\beta_0 + \beta_1 x_1 + \cdots + \beta_p x_p\) 是餐厅的调味公式，把各特征按固定比例混合。
    η=β0+β1x1+⋯+βpxp\displaystyle \eta = \beta_0 + \beta_1 x_1 + \cdots + \beta_p x_p
  2. 误差项\(\varepsilon\) 是厨师手抖造成的随机偏差，体现单次出品与配方的差异。
    ε=y−η\displaystyle \varepsilon = y - \eta
  3. 正态假设\(\varepsilon \sim \mathcal{N}(0,\sigma^2)\) 要求偏差围绕配方上下波动，且大多数波动集中在中间。
    p(ε)=12πσ2exp⁡(−ε22σ2)\displaystyle p(\varepsilon) = \frac{1}{\sqrt{2\pi\sigma^2}} \exp\left(-\frac{\varepsilon^2}{2\sigma^2}\right)

指数族分布

如果给餐厅建一个“主食材库”，里面不能只有白米饭，还要有伯努利、泊松、Gamma 等可选的食材。GLM 没有为每种食材单独发明一套体系，而是发现它们都来自同一个“食材家族”——指数族分布。正态分布、伯努利分布、泊松分布、Gamma 分布，统统是这个家族里的成员，只是自然参数 \(\theta\) 不同。

指数族分布的统一写法是：

把分布放进指数族，最大的好处是：均值与方差的关系可以由 \(b(\theta)\) 自动推导。普通线性回归觉得“均值与方差互不相干”，但泊松计数是“均值越大，波动越大”，Gamma 金额也是“均值越大，方差越大”。指数族分布把这种关系一并打包，GLM 接下来只需要关心均值如何被线性配方影响。

f(y∣θ,ϕ)=exp⁡(yθ−b(θ)a(ϕ)+c(y,ϕ))\displaystyle f(y \mid \theta, \phi) = \exp\left(\frac{y\theta - b(\theta)}{a(\phi)} + c(y,\phi)\right)
公式说明：指数族分布把“主食材”整理成统一包装：自然参数决定均值，累积量函数决定方差，剩余部分只是归一化调料。
  1. 自然参数\(\theta\) 是食材的“核心口味参数”，决定分布的位置，比如伯努利的成功概率经过变换后就进入 \(\theta\)。
    θ=g(μ)\displaystyle \theta = g(\mu)
  2. 累积量函数\(b(\theta)\) 是“营养成分表”，对它求一阶导得到均值，求二阶导得到方差。
    E(Y)=b′(θ),Var(Y)=a(ϕ)b′′(θ)\displaystyle E(Y) = b'(\theta), \qquad \mathrm{Var}(Y) = a(\phi)b''(\theta)
  3. 散度参数\(a(\phi)\) 是“份量调节器”，控制分布的离散程度，正态里的 \(\sigma^2\) 就是这样进来的。
    a(ϕ)=ϕw\displaystyle a(\phi) = \frac{\phi}{w}
  4. 归一化项\(c(y,\phi)\) 负责让总概率加起来等于 1，相当于餐厅保证菜单完整不重不漏。
    ∫f(y∣θ,ϕ) dy=1\displaystyle \int f(y \mid \theta, \phi) \, dy = 1

GLM三要素

点一份 GLM 定制套餐，餐单上永远只有三栏：主菜、调味汁、烹饪方式。对应到模型中，就是“随机成分、系统成分、链接函数”。

  • 随机成分：目标变量 \(Y_i\) 服从某个指数族分布，决定数据从哪里来；
  • 系统成分：特征线性组合 \(\mathbf{x}_i^\top \boldsymbol{\beta}\)，决定配方怎么搅拌；
  • 链接函数：把主菜的均值 \(\mu_i\) 和线性调味汁 \(\eta_i\) 接起来，决定上菜方式。

三者合起来写成：

当链接函数是恒等函数时，\(g(\mu)=\mu\)，GLM 就退回普通线性回归。所以线性回归不是被推翻，而是 GLM 菜单里的一个口味：只做白米饭。现在，我们需要仔细研究链接函数这味“烹饪方式”。

Yi∼ExpFam(μi),E(Yi)=μi,g(μi)=ηi=xi⊤β\displaystyle Y_i \sim \text{ExpFam}(\mu_i), \qquad E(Y_i)=\mu_i, \qquad g(\mu_i) = \eta_i = \mathbf{x}_i^\top \boldsymbol{\beta}
公式说明：Y 来自指数族且均值为 μ，然后链接函数把 μ 映射到线性预测器 η。
  1. 随机成分\(Y_i \sim \text{ExpFam}(\mu_i)\) 指定主菜食材，例如二分类用伯努利、计数用泊松。
    Yi∼Bernoulli(μi)\displaystyle Y_i \sim \text{Bernoulli}(\mu_i)
  2. 均值\(E(Y_i)=\mu_i\) 是这道主菜“通常的口味浓度”，模型预测的是均值而不是单个 y。
    μi=E(Yi)\displaystyle \mu_i = E(Y_i)
  3. 链接函数\(g(\mu_i)=\eta_i\) 把均值映射到实数轴，让线性配方可以在不受约束的空间里工作。
    ηi=g(μi)\displaystyle \eta_i = g(\mu_i)
  4. 系统成分\(\eta_i = \mathbf{x}_i^\top \boldsymbol{\beta}\) 是线性调味汁，特征的线性组合，和线性回归里的 \(\eta\) 完全同源。
    ηi=β0+β1xi1+⋯+βpxip\displaystyle \eta_i = \beta_0 + \beta_1 x_{i1} + \cdots + \beta_p x_{ip}

链接函数

同一块牛排，可以煎、烤、炖；同一个均值 \(\mu\)，也要通过不同链接函数送进线性配方。链接函数 \(g\) 必须单调且可微，这样它才能把 \(\mu\) 压缩或拉伸到整个实数轴，同时保证逆变换回来时 \(\mu\) 不乱跑。比如概率 \(\mu \in (0,1)\)，用 logit 链接就能映射到 \((-\infty,+\infty)\)。

规范链接是每个指数族分布“最顺手”的烹饪方式：它让自然参数 \(\theta\) 直接等于线性预测器 \(\eta\)，数学推导最简洁。它的核心关系是：

常用链接函数有：正态配恒等链接，伯努利配 logit 链接，泊松配对数链接，Gamma 配倒数或对数链接。链接函数选得好，能让线性配方与均值的关系更贴近数据生成过程；选得不好，就像用烤的方式做刺身，可能把均值烤成负数或超出取值范围。这份“烹饪方式”菜单，是 GLM 灵活性的灵魂。

g(μ)=θ=η\displaystyle g(\mu) = \theta = \eta
公式说明：规范链接下，均值经过 g 变换后，恰好等于指数族自然参数，也等于线性预测器。
  1. 链接函数\(g(\mu)\) 是烹饪方式，把均值口味的浓度“翻译”成线性配方能处理的实数。
    μ=g−1(η)\displaystyle \mu = g^{-1}(\eta)
  2. 自然参数\(\theta\) 是指数族分布里控制均值的核心参数，规范链接让模型和分布“原汤化原食”。
    θ=η\displaystyle \theta = \eta
  3. 线性预测器\(\eta\) 是调味汁本身，特征线性组合，可以取任意实数。
    η=x⊤β\displaystyle \eta = \mathbf{x}^\top \boldsymbol{\beta}

常见GLM实战

有了主食材和烹饪方式，餐厅就能推出三款招牌套餐。第一款是逻辑回归：目标只有 0/1，比如用户是否点击广告，主食材是伯努利，用 logit 链接。第二款是泊松回归：目标是计数，比如一周内故障次数或理赔次数，主食材是泊松，用对数链接。第三款是 Gamma 回归：目标是正数且右偏，比如单次理赔金额，主食材是 Gamma，常用对数或倒数链接保证均值始终为正。

这三款套餐的均值表达式，就是分别对线性预测器做逆链接变换：

这三个模型在业务里对应三种典型问题：点击率、故障次数、理赔金额。过去需要分别学习三套理论，现在 GLM 告诉你它们只是同一套餐单上的三个主菜。真正把菜做出来，还需要一套统一估计配方的流程。

μi={11+e−ηi,logisticeηi,Poisson1ηi,Gamma\displaystyle \mu_i =\begin{cases}\dfrac{1}{1+e^{-\eta_i}}, & \text{logistic} \\[10pt]e^{\eta_i}, & \text{Poisson} \\[10pt]\dfrac{1}{\eta_i}, & \text{Gamma}\end{cases}
公式说明：同一套线性配方，通过不同逆链接，分别变成概率、计数均值、正偏态金额均值。
  1. 逻辑回归逆链接\(\mu_i = \dfrac{1}{1+e^{-\eta_i}}\) 把任意实数压缩到 0 到 1 之间，正好当概率用。
    p=11+e−η\displaystyle p = \frac{1}{1+e^{-\eta}}
  2. 泊松回归逆链接\(\mu_i = e^{\eta_i}\) 把实数映射成正数，且随着线性预测增大，计数均值指数增长。
    λ=eη\displaystyle \lambda = e^{\eta}
  3. Gamma回归逆链接\(\mu_i = \dfrac{1}{\eta_i}\) 是倒数链接，适合正值且右偏的连续目标，但需要保证 \(\eta_i>0\)，实践中也常用对数链接。
    μ=1η\displaystyle \mu = \frac{1}{\eta}

参数估计拟合

厨师试菜时，会反复调整调料比例，直到顾客最满意。GLM 的参数 \(\boldsymbol{\beta}\) 也通过极大似然估计来调整：找到一组系数，让当前样本出现的概率最大。对于指数族分布，似然函数的形状很规整，因此可以用迭代加权最小二乘（IRLS）来高效求解。

IRLS 的做法是：给每条样本一个权重，把 GLM 最优化问题临时变成加权线性回归，解出新的 \(\boldsymbol{\beta}\)，再更新权重，重复直到收敛。在规范链接下，迭代更新式可以写成：

在 R、Python 的 statsmodels 中，glm() 函数把这些迭代封装成一行命令。我们不需要每次都手写 IRLS，但理解它之后，就知道为什么要设置最大迭代次数、为什么特征高度相关时模型不稳定。菜做出来了，还需要评价好不好吃。

β(t+1)=β(t)+(X⊤W(t)X)−1X⊤(y−μ(t))\displaystyle \boldsymbol{\beta}^{(t+1)}= \boldsymbol{\beta}^{(t)}+ \left( \mathbf{X}^\top \mathbf{W}^{(t)} \mathbf{X} \right)^{-1}\mathbf{X}^\top \left( \mathbf{y} - \boldsymbol{\mu}^{(t)} \right)
公式说明：每轮迭代都用当前预测残差修正系数，逻辑回归时权重 W 正好是 μ(1−μ)。
  1. 当前系数\(\boldsymbol{\beta}^{(t)}\) 是第 \(t\) 轮试菜用的调料配方。
    β(t)\displaystyle \boldsymbol{\beta}^{(t)}
  2. 加权交叉矩阵\(\mathbf{X}^\top \mathbf{W}^{(t)} \mathbf{X}\) 是“调料对顾客反应的敏感度矩阵”，逻辑回归时其中的权重 \(W\) 等于 \(\mu(1-\mu)\)。
    W(t)=diag(μi(t)(1−μi(t)))\displaystyle \mathbf{W}^{(t)} = \mathrm{diag}\left(\mu_i^{(t)}(1-\mu_i^{(t)})\right)
  3. 残差方向\(\mathbf{y} - \boldsymbol{\mu}^{(t)}\) 是当前预测与真实数据的差距，告诉厨师往哪个方向改配方。
    y−μ(t)\displaystyle \mathbf{y} - \boldsymbol{\mu}^{(t)}
  4. 矩阵求逆修正\(\left( \mathbf{X}^\top \mathbf{W}^{(t)} \mathbf{X} \right)^{-1} \mathbf{X}^\top \left( \mathbf{y} - \boldsymbol{\mu}^{(t)} \right)\) 把残差按敏感度缩放成系数更新量。
    Δβ=(X⊤W(t)X)−1X⊤(y−μ(t))\displaystyle \Delta \boldsymbol{\beta} = \left( \mathbf{X}^\top \mathbf{W}^{(t)} \mathbf{X} \right)^{-1} \mathbf{X}^\top \left( \mathbf{y} - \boldsymbol{\mu}^{(t)} \right)

模型评估应用

餐厅好不好，不能只看一位顾客，要看整体满意度。GLM 的“整体满意度”用偏差（Deviance）来衡量：它比较当前模型与一个“完美拟合每个样本”的饱和模型之间的距离。偏差越小，说明模型对数据的解释力越强。偏差的定义是：

有了偏差，就能计算 AIC 等模型选择指标。AIC 在偏差基础上惩罚参数个数，防止厨师为了让菜好看而堆太多调料。实际业务里，点击率用逻辑回归，理赔次数用泊松回归，理赔金额用 Gamma 回归，频率和强度的组合还能构成“两阶段定价模型”。GLM 的价值不是替代所有算法，而是把“分布 + 线性 + 链接”这套菜单贯穿到每一个业务场景里。

D=2∑i=1n[ℓi(μisat)−ℓi(μ^i)]\displaystyle D = 2\sum_{i=1}^n \left[\ell_i(\mu_i^{\text{sat}}) - \ell_i(\hat{\mu}_i)\right]
公式说明：偏差是饱和模型对数似然与当前模型对数似然差距的两倍，是 GLM 版的“残差平方和”。
  1. 饱和模型\(\ell_i(\mu_i^{\text{sat}})\) 是让每个样本都完美拟合时的对数似然，相当于每位顾客都能吃到专属定制菜。
    μisat=yi\displaystyle \mu_i^{\text{sat}} = y_i
  2. 当前模型\(\ell_i(\hat{\mu}_i)\) 是我们这套通用菜单预测出的均值所对应的对数似然。
    μ^i=g−1(xi⊤β^)\displaystyle \hat{\mu}_i = g^{-1}(\mathbf{x}_i^\top \hat{\boldsymbol{\beta}})
  3. 两倍差距乘以 2 是为了让偏差量在大样本下接近卡方分布，方便做模型比较。
    D=2∑i[ℓi(yi)−ℓi(μ^i)]\displaystyle D = 2\sum_i \left[\ell_i(y_i) - \ell_i(\hat{\mu}_i)\right]

AI 应用场景

广告点击率预测

阶段：特征工程与模型训练

解决的问题：点击行为是 0/1 二分类，普通线性回归会预测出小于 0 或大于 1 的概率，也不符合伯努利分布。GLM 的逻辑回归用 logit 链接把线性预测压缩到概率空间，用交叉熵作为损失函数，训练稳定且可解释。

具体案例：广告平台收集用户年龄、设备、投放时段、广告位等特征，用逻辑回归估计每次曝光被点击的概率，再结合预估点击率排序广告。模型输出的 \(\mu = 1/(1+e^{-\eta})\) 就是点击概率，业务方直接拿来做预算分配。

车险理赔次数预测

阶段：数据探查与精算建模

解决的问题：理赔次数是非负整数，且大量保单为 0 次，方差随均值增大而增大。泊松回归用对数链接保证预测均值永远为正，比普通线性回归更贴合计数生成过程。

具体案例：精算团队用投保人的年龄、车龄、驾驶记录、地区风险等级做特征，建立泊松 GLM 预测未来一年理赔次数，再结合 Gamma GLM 预测单次理赔金额，形成频率与强度两阶段定价模型。

保单损失金额建模

阶段：模型选择与业务应用

解决的问题：损失金额是正数且右偏，方差往往随均值增大而增大，正态假设不成立。Gamma GLM 用对数链接或倒数链接，既保证均值大于 0，又能刻画“大额理赔更分散”的特点。

具体案例：某保险公司建立“是否出险”的逻辑回归模型、“出险次数”的泊松模型和“单次损失金额”的 Gamma 模型，三套 GLM 组合出纯保费预测，帮助核保部门制定差异化费率。

Python 演示

python44 行
import numpy as np  def sigmoid(z):    # 计算逻辑函数值，对应logit链接的逆变换    return 1.0 / (1.0 + np.exp(-z))  def make_data(n=800, seed=42):    # 模拟二分类数据: 线性预测经过sigmoid后生成标签    rng = np.random.default_rng(seed)    x1 = rng.normal(0.0, 1.0, n)    x2 = rng.normal(0.0, 1.0, n)    eta = -1.0 + 1.2 * x1 - 0.8 * x2    prob = sigmoid(eta)    y = rng.binomial(1, prob)    X = np.column_stack((np.ones(n), x1, x2))    return X, y  def irls_logistic(X, y, max_iter=30):    # 用IRLS拟合逻辑回归: 等价于迭代加权最小二乘    beta = np.zeros(X.shape[1])    for _ in range(max_iter):        eta = X @ beta        p = sigmoid(eta)        w = p * (1.0 - p)        z = eta + (y - p) / np.maximum(w, 1e-12)        XW = X * w[:, None]        beta = np.linalg.solve(X.T @ XW, XW.T @ z)    return beta  def main():    X, y = make_data()    beta = irls_logistic(X, y)    p = sigmoid(X @ beta)    acc = float(np.mean((p > 0.5) == y))    print("IRLS估计的系数:", beta)    print("训练准确率:", round(acc, 4))  if __name__ == "__main__":    main()
目的：用纯 NumPy 从零实现逻辑回归的 IRLS 拟合，展示 GLM 参数估计的核心迭代循环。
  1. return 1.0 / (1.0 + np.exp(-z))这是 logit 链接的逆变换，把线性预测转成 0 到 1 之间的概率。
  2. eta = -1.0 + 1.2 * x1 - 0.8 * x2先构造真实的线性预测器，作为生成数据的调味配方。
  3. prob = sigmoid(eta)用逆链接生成伯努利分布的均值概率。
  4. y = rng.binomial(1, prob)从伯努利分布中抽取 0/1 标签，对应随机成分。
  5. p = sigmoid(eta)在 IRLS 循环里重新计算当前预测均值和权重。
  6. w = p * (1.0 - p)这就是逻辑回归的方差函数，也是 IRLS 每个样本的权重。
  7. z = eta + (y - p) / np.maximum(w, 1e-12)构造工作响应变量，把非线性问题局部线性化。
  8. XW = X * w[:, None]把设计矩阵按权重逐行缩放，相当于加权最小二乘的 X。
  9. beta = np.linalg.solve(X.T @ XW, XW.T @ z)用线性代数求解加权正态方程，完成一轮参数更新。

常见误区

误区我以为 GLM 就是先给 y 取对数或开平方，让变换后的 y 服从正态，再继续用线性回归。

正解GLM 的链接函数变换的是均值 \(\mu=E(Y)\)，不是每个 \(y\) 值本身。就像把整锅汤的口味调淡，而不是把每粒盐都换掉。直接变换 y 会改变数据的分布结构，而且预测后很难还原到原始尺度；链接函数则保持原始分布假设，只在均值与线性预测之间搭桥。

为何常见：普通线性回归里 Box-Cox 变换很常见，初学者容易把“变换数据”和“变换均值”混为一谈。

误区我觉得链接函数只是软件里的一个下拉选项，随便选一个都能收敛，最终效果应该差别不大。

正解链接函数决定解释变量如何影响均值，选错会破坏线性关系，甚至产生无效预测。比如对泊松计数用恒等链接，可能出现负的预测均值；对概率用线性链接，也可能预测出大于 1 的概率。规范链接在数学上最自然，但有时对数链接更容易解释相对变化，选择需要结合业务。

为何常见：统计软件默认链接看起来“不用管”，让人忽略了链接函数对模型空间的约束。

误区我听说 GLM 是“广义”的，以为它不再需要正态、独立等任何假设，可以放任意分布的数据。

正解GLM 只是把正态分布推广到指数族分布，不是任意分布。它仍然要求样本近似独立、系统成分正确、链接函数适当。泊松回归遇到数据过度离散时，方差远大于均值，需要升级为拟泊松或负二项模型，而不是硬套 GLM。

为何常见：“广义”两个字太有迷惑性，让人以为它是万能模型。

误区我以为泊松回归只适合“排队人数”这种小计数，出现很多 0 或者计数很大时就不能用了。

正解泊松分布本身就允许 0 和任意非负整数，关键假设是均值等于方差。如果数据出现零膨胀或过度离散，说明分布假设不满足，这时应该用零膨胀模型或负二项回归，而不是因为“有 0”就直接放弃泊松。

为何常见：教科书例子多是等车次数这类温和计数，容易让人忽略泊松真正严格的是均值方差关系。

面试题

Q1. GLM 相比普通线性回归，最主要的推广是什么？

单选题 · easy

  • A.能处理指数族目标分布← 正确答案
  • B.限制目标为正态分布
  • C.取消所有统计假设
  • D.只能处理计数数据

答案：A。GLM 把目标分布从正态推广到指数族，包括伯努利、泊松、Gamma 等。B 说反了；C 错在 GLM 仍有独立性和分布假设；D 错在 GLM 同样能处理连续正态目标，并非只能处理计数。

Q2. 指数族分布中，决定分布均值的参数是？

单选题 · easy

  • A.自然参数θ← 正确答案
  • B.链接函数g
  • C.线性预测η
  • D.样本容量n

答案：A。指数族分布里，均值等于累积量函数 \(b(\theta)\) 的一阶导，因此自然参数 \(\theta\) 驱动均值。链接函数和线性预测是 GLM 的建模工具，不是分布本身的内生参数；样本容量只影响估计精度。

Q3. 下列哪种目标最适合用泊松回归？

单选题 · easy

  • A.二分类点击与否
  • B.一周内故障次数← 正确答案
  • C.连续正态评分结果
  • D.正偏态理赔金额

答案：B。泊松回归面向非负整数计数，比如故障次数。点击与否是二分类，适合逻辑回归；连续正态评分适合线性回归；正偏态金额通常考虑 Gamma 回归。

Q4. GLM 的三个组成部分包括哪些？

多选题 · mid

  • A.随机成分定义目标分布← 正确答案
  • B.系统成分构造线性预测← 正确答案
  • C.链接函数连接两者← 正确答案
  • D.树模型规则做决策路径

答案：ABC。GLM 三要素是随机成分、系统成分、链接函数。随机成分决定目标服从哪个指数族分布，系统成分是特征线性组合，链接函数把均值接到线性预测上。树模型规则属于决策树，不是 GLM 的组成部分。

Q5. 逻辑回归对应的规范链接函数是？

单选题 · mid

  • A.恒等链接函数
  • B.倒数链接函数
  • C.Logit 链接函数← 正确答案
  • D.平方根链接函数

答案：C。伯努利分布的规范链接是 logit，即 \(g(\mu)=\log(\mu/(1-\mu))\)。恒等链接用于正态分布；倒数链接常用于 Gamma；平方根链接不是伯努利模型的规范选择。

Q6. 关于链接函数，下列说法正确的是？

多选题 · mid

  • A.链接函数需要单调且可微← 正确答案
  • B.逆链接把η映射回均值μ← 正确答案
  • C.只能选择规范链接函数
  • D.计数模型常用对数链接← 正确答案

答案：ABD。链接函数必须单调可微，才能保证逆变换唯一且平滑。逆链接 \(g^{-1}\) 把线性预测器映射回均值。规范链接只是数学上的自然选择，不是唯一选择。泊松等计数模型常用对数链接保证均值非负，因此 C 错误。

Q7. 用恒等链接做泊松GLM时，最可能的问题是什么？

单选题 · hard

  • A.预测均值可能出现负值← 正确答案
  • B.梯度一定无法计算
  • C.参数估计会变成无偏
  • D.样本必须服从正态

答案：A。泊松均值必须为正，而恒等链接 \(\mu=\eta\) 允许 \(\eta\) 取负值，导致预测均值小于 0，产生无意义的负次数。梯度仍然可以计算，参数也可能有偏，样本也不要求正态，所以 B、C、D 错误。

Q8. 保险理赔次数建模，最适合的 GLM 是？

单选题 · mid

  • A.泊松回归建模← 正确答案
  • B.线性回归建模
  • C.Gamma回归建模
  • D.逻辑回归建模

答案：A。理赔次数是非负整数，适合泊松回归。线性回归假设正态连续目标；Gamma 回归适合正偏态金额；逻辑回归适合是否出险的二分类，不适合次数建模。

Q9. IRLS 迭代最终逼近的目标是什么？

单选题 · hard

  • A.极大似然估计解← 正确答案
  • B.普通最小二乘解
  • C.最大准确率解
  • D.最小方差无偏解

答案：A。IRLS 是求解 GLM 极大似然估计的数值算法，它反复把加权最小二乘问题线性化，最终收敛到极大似然估计。它不是为了最小化误差平方和，也不是直接优化分类准确率或寻找无偏估计。

Q10. 关于偏差统计量和 AIC，下列说法正确的是？

多选题 · extreme

  • A.偏差可比较嵌套模型← 正确答案
  • B.偏差基于饱和模型← 正确答案
  • C.AIC 不需要似然函数
  • D.AIC 会惩罚参数个数← 正确答案

答案：ABD。偏差定义为当前模型与饱和模型对数似然差距的两倍，可用于比较嵌套模型。AIC 在偏差基础上加上 \(2k\) 惩罚参数个数，因此依赖似然函数。C 说反了，AIC 恰恰需要似然函数，所以选 A、B、D。