반응형 손실함수2 회귀 모델 - 로지스틱 회귀 모델 이진 분류 문제(Binary Classification Problem) 0과 1을 구분하는 가장 단순한 분류 문제입니다. 학습 데이터에는 각 특징에 대해 클래스 레이블이 주어집니다. 0과 1의 값은 숫자로서 의미가 없는 범주형 변수(categorical variable)입니다. 이진 분류는 특징이 어느 클래스에 속하는지 구분하는 방법입니다. 두 클래스가 구분되는 특징 공간 상의 경계를 결정 경계라고 합니다. 로지스틱 회귀(Logistic Regression) 선형 회귀를 이용해 분류(Classification) 문제를 해결하는 방법입니다. 이진 분류는 레이블이 0 또는 1의 범주(category)로 지정된 문제를 해결하는 것입니다. 로지스틱 함수(logistic function)은 출력 값의 범위를 [0.. 2022. 8. 19. 머신 러닝 - 회귀 분석 회귀 분석(Regression Analysis) 연속적인 출력 값을 예측하는 통계 분석 방법입니다. 1886년 프랜시스 골턴의 연구에서, 세대가 흘러도 자녀의 키는 전체의 평균으로 회귀하는 것을 관찰한 것에서 단어가 유래되었습니다. 회귀 분석의 입력 형식은 모델에 따라 다양한 형식이 될 수 있습니다. 예를 들면, 특징(feature), 예측 변수(predictor variable), 설명 변수(explanatory variable) 등이 있습니다. 회귀분석의 출력은 연속적인 출력 값이 됩니다.(실수값, 스칼라 값) 또한, 타겟(target), 반응 변수(response varialbe), 결과(outcome) 등도 회구 분석의 출력이 될 수 있습니다. 선형 회귀(Linear Regression) 선형적인.. 2022. 8. 19. 이전 1 다음 반응형
