ML2 로지스틱 회귀(Logistic Regression) 오늘은 로지스틱 회귀에 대해서 설명을 드리겠습니다! 얘는 아주 큰 함정이 있는 친구입니다. 로지스틱 '회귀' 지만 정작 이 친구는 분류 모델입니다! 이진 분류에서 사용하는 알고리즘입니다. 1. 이진 분류이진 분류는 결과를 특정된 두 가지 클래스(0과 1, Yes or No 같은 형식)를 나누어 주는 모델입니다. 즉, 로지스틱 회귀를 사용하고 해석을 하게 되면 위와 같이 결과를 분류할 수 있습니다. 2. 시그모이드 함수$$ Sigmoid(x) = \frac{1}{1 + e^{-x}} $$ 이것을 그래프로 표현하면 아래와 같습니다. x가 0일 때, 시그모이드 함수의 값은 0.5입니다.x가 작아지면 작아질수록, 0에 가까워 집니다.x가 커지면 커질수록, 1에 가까워 집니다.3. 로지스틱 회귀의 손실 함수아래의.. 2025. 1. 23. 선형 회귀(단순 선형/다중 선형) 1. 단순 선형 회귀단순 선형회귀는 학창시절 배웠던 1차 함수와 비슷하다고 생각하시면 됩니다.$$ Y = \beta_1 x_1 + \beta_0 $$$$ Y = ax + b $$둘을 비교해보면 간단합니다. 앞으로는 기호들을 아래와 같이 부를 예정입니다.$$ \cdot\, \beta_0 : 절편(intercept) $$$$ \cdot\, \beta_1 : 기울기(coefficient)$$ 단순 선형 회귀는 독립 변수(x)가 1개, 종속 변수(y)도 1개 입니다. 2. 다중 선형 회귀다중 선형 회귀는 독립 변수(x)가 여러(n)개, 종속 변수(y)는 1개 입니다. $$ Y = \beta_n x_n + \cdots + \beta_1 x_1 + \beta_0 $$ 위와 같은 모양으로 생겼습니다! 0을 제외한 나.. 2025. 1. 20. 이전 1 다음
