728x90
선형 회귀에서 손실 함수는 평균제곱오차를 이용해서 했다!
로지스틱 회귀에서는 로그 손실을 사용한다!
-> 손실의 정도를 로그 함수로 결정하기 때문에 로그 손실 이라고 한다.
y가 1일 때 1과 멀어질수록 손실이 많아지는!!
-> 로지스틱 회귀에서의 로그 손실에서는 보통 한 줄로 표현하는데 위에 식과 동일하다!
i~m까지 대입하고 더한 후 m으로 나누어 평균을 구한다!
(모든 데이터의 로그 손실을 계산한 후 평균을 낸다.
-> 분류의 기준이 0,1이 아니라 0,1,2 3가지 이상일 경우에는!!
728x90
반응형
'Machine learning > Machine learning 강의' 카테고리의 다른 글
머신 러닝 데이터 전처리 #1 - Feature Scaling(min-max normalization) 0과 1사이 (0) | 2021.02.09 |
---|---|
머신 러닝 로지스틱 회귀(Logistic Regrssion)#3 - 로지스틱 회귀 구현하기, 와인 종류 예측하기 구현 (0) | 2021.02.09 |
머신 러닝 로지스틱 회귀(Logistic Regrssion)#1 - 로지스틱 회귀란? (0) | 2021.02.08 |
머신 러닝 다항 회귀(Polynomial Regression) #2 - sklearn으로 다중 회귀, 당뇨병 예측 학습 프로그램 만들기 (0) | 2021.02.08 |
머신 러닝 다항 회귀(Polynomial Regression) #1 - 다항 회귀 (0) | 2021.02.08 |
댓글