glr

README.md

@@ -24,6 +24,7 @@
         * [SVMs(支持向量机)](分类和回归/线性模型/支持向量机/lsvm.md)
         * [逻辑回归](分类和回归/线性模型/逻辑回归/logic-regression.md)
         * [线性回归](分类和回归/线性模型/回归/regression.md)
+        * [广义线性回归](分类和回归/线性模型/广义线性回归/glr.md)
     * [朴素贝叶斯](分类和回归/朴素贝叶斯/nb.md)
     * [决策树](分类和回归/决策树/decision-tree.md)
     * [组合树](分类和回归/组合树/readme.md)

SUMMARY.md

@@ -13,6 +13,7 @@
         * [SVMs(支持向量机)](分类和回归/线性模型/支持向量机/lsvm.md)
         * [逻辑回归](分类和回归/线性模型/逻辑回归/logic-regression.md)
         * [线性回归](分类和回归/线性模型/回归/regression.md)
+        * [广义线性回归](分类和回归/线性模型/广义线性回归/glr.md)
     * [朴素贝叶斯](分类和回归/朴素贝叶斯/nb.md)
     * [决策树](分类和回归/决策树/decision-tree.md)
     * [组合树](分类和回归/组合树/readme.md)

分类和回归/线性模型/广义线性回归/glr.md

@@ -0,0 +1,11 @@
+# 广义线性回归
+
+## 1 普通线性模型
+
+  普通线性模型(`ordinary linear model`)可以用下式表示：
+
+$$Y = {\beta}_0+{\beta}_1x_1+{\beta}_2x_2+…+{\beta}_{p-1}x_{p-1}+\epsilon$$
+
+  这里$\beta$是未知参数，$\epsilon$是误差项。普通线性模型主要有以下几点假设：
+
+- 因变量$Y$和误差项$\epsilon$均服从正太分布。其中$\epsilon \sim N(0,{{\sigma }^{2}})$，$Y\sim N({{\theta }^{T}}x,{{\sigma }^{2}})$。