(cache)Hiroshi Wayama on X: "ポアソン回帰を復習した。線形回帰は主に連続値を対象とし、ポアソン回帰はカウントデータの期待値、ロジスティック回帰は二値データの確率をモデル化する。目的変数の性質に応じて分布とリンク関数が異なるが、いずれも一般化線形モデル（GLM）として統一的に扱うことができ、尤度最大化に基づいて推" / X

ポアソン回帰を復習した。線形回帰は主に連続値を対象とし、ポアソン回帰はカウントデータの期待値、ロジスティック回帰は二値データの確率をモデル化する。目的変数の性質に応じて分布とリンク関数が異なるが、いずれも一般化線形モデル（GLM）として統一的に扱うことができ、尤度最大化に基づいて推定される。GLMを最初に考えた人はすごいな。