Logistic Regression
개요 이 글은 Andrew Ng. 교수님 강의 중 "Logistic Regression" 부분을 제 나름의 이해방식으로 정리해 기록하는 글입니다. Logistic Regression 로지스틱 회귀 는 선형 회귀의 결과를 시그모이드 함수( Sigmoid function) 에 적용하여 확률 값을 출력하는 모델입니다. 이 함수는 입력값이 뭐든 항상 0과 1 사이의 값을 출력하므로, 이진 분류( Classification ) 문제에서 확률 값으로 해석할 수 있습니다. Source : Andrew Ng. Cousera 따라서 분류문제에서 시그모이드함수의 결과값이 0.5 보다 크거나 같으면 1(참) , 아니면 0(거짓) 으로 생각할 수 있습니다. 여러분이 공무원 시험준비를 한다고 가정해 볼까요. 🤔 공부시간(x0), 시도횟수(x1) 등의 따른 합격여부 데이터(Y)가 있다면, 대략 3시간 이상, 3회 이상 공부하니 합격, 아니면 불합격하더라 라는 데이터가 있습니다. Source : Andrew Ng. Cousera 붉은색 X는 합격, 파란색 O는 불합격이라면, 어렵지 않게 경계선, 결정경계 를 발견할 수 있습니다. (3회 이상 응시하고 3시간 이상 공부하면 합격) Source : Andrew Ng. Cousera 그런데 이 선은 선형회귀 에서와 마찬가지로 인간이 그려보는것이 아닙니다. 데이터만 주어지면 ...
