머신 러닝 로지스틱 회귀(Logistic Regrssion)#1 - 로지스틱 회귀란?

 머신러닝

---

지도학습(회귀, 분류) | 비지도 학습

---

회귀(연속적인 값 예측), 분류(정해진 몇 개의 값 중 예측)

 

 

 

-> 로지스틱 회귀는 분류!

ex) 해당 메일이 정상 메일인지, 스팸 메일인지 

ex) 기사가 스포츠기사인지 정치기사인지 연예기사인지

 

-> 선형회귀로도 분류 학습을 할 수 있지만,

    선형 회귀의 경우 예외적인 데이터에 민감하게 반응하기에 잘 사용하지는 않는다. 

 

-> 데이터에 가장 잘 맞는 1차 함수를 찾는다. = 선형 회귀 

-> 데이터에 가장 잘 맞는 시그모이드 함수를 찾는다. = 로지스틱 회귀

 

무조건 0과 1사이 값을 리턴한다.

 

 

 

 

 

 

 

 

 

 

 

 

X가 엄청나게 크면 1에 가까워지고 X가 엄청나게 작으면 0에 가까워진다. 

따라서 시그모이드 함수는 무조건 0과 1사이 값을 리턴한다.

 

-> 선형 회귀(1차 함수)의 경우는 결과의 범위가 얼마든지 크거나 작아질 수 있다. 

-> 따라서 0과 1 사이의 값이 나오는 시그모이드 함수가 분류에 더 적합하다. 

  -> 예외적인 데이터에 덜 민감하게 반응하기에 더 적합하다. 

 

-> 로지스틱 분류가 아닌 회귀라고 하는 이유!

리턴 값이 0과 1 사이에 연속적인 값들이기 때문이다! 보통 0.5보다 큰지 작은지로 분류한다. 

 

-> 로지스틱 회귀의 가설함수