머신 러닝3 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 경우.. 2021. 2. 8. 머신 러닝 다항 회귀(Polynomial Regression) #1 - 다항 회귀 - 앞에서는 선형 회귀를 사용해서 데이터에 가장 잘 맞는 직선을 찾아보았다. -> 그치만 이 직선이 데이터를 잘 표현하고 있다고는 할 수 없는데!! -> 여기서 나온것이 다항 회귀 -> 선형 회귀에서는 가설 함수를 hθ(x)=θ0+θ1x 이렇게 사용했다면 이참 함수에서는 hθ(x)=θ0+θ1x+θ2x2 삼차 함수에서는 hθ(x)=θ0+θ1x+θ2x2+θ3x3 곡선이 하나씩 추가되어지는! - 다항 회귀도 두 가지로 나뉜다. 속성이 하나인 경우랑, 속성이 많은 경우. 속성이 여러개인 경우를 '다중 다항 회귀'라고 한다. 코딩실습[코드잇] 파이썬 머신 러닝 강의를 들으면 공부내용을 적어봤습니다. 2021. 2. 8. 머신 러닝 기본#9 - 함수 개념 익히기 머신 러닝 기본 #9부터는 미분을 배워보려고 하는데!! 일단 그전에 함수와 그래프의 개념을 확실히 짚고 넘어가려고 한다. 위에 그림을 보면 5라는 input이 들어가서 21이라는 output이 나온것을 알 수 있다. 여기서 y는 x에 대한 함수라고 한다. 그리고 함수는 하나의 인풋에 대해서 하나의 아웃풋만 있어야 한다. 그림을 보시는 바와 같이 x가 2일 때 y의 값은 2또는 -2일수가 있다. y는 x에 대한 함수라고 할 수 없다. 함수는 2차 함수 3차 함수 그리고 input이 여러 개일 수도 있다. 이렇게 input이 여러개인 함수를 다변수 함수라고 합니다! 그럼 다음시간에는 그래프의 개념을 알아보겠습니다. 코딩실습[코드잇] 파이썬 머신 러닝 강의를 들으면 공부내용을 적어봤습니다. 2021. 1. 20. 이전 1 다음 728x90 반응형
