로지스틱 회귀(Logistic Regression)
로지스틱 회귀(Logistic Regression)는 분류기법중의 하나로 다른특징을 가진 데이터를 서로 분류하는데에 많이 사용되는 알고리즘이다.
Logistic Regression은 뉴럴네트워크의 구조와 딥러닝을 이해하는데에 기초가 되는 내용이므로 굉장히 중요한 내용이다.
Logistic Regression을 간단한 예시를 들어보겠다. 우리가 자격증 시험을 치르면 Pass/Fail같이 2가지 케이스로 나뉘어 질수있다 이것이 바로 Logistic Regression의 핵심이다.
데이터를 위 그림과 같이 2차원 공간에 나타내면 데이터가 파란색,빨간색으로 나누어집니다.
로지스틱 회귀(Logistic Regression)을 하기위해서는 [0,1]처럼 2가지의 값으로 나누어질수있어야합니다.
위의 그림은 는 학습을 위한 x_train, y_train입니다.
x_train은 특징들이 됩니다.
x_train의 특징을 토대로 True/False 즉 2가지 케이스로 나눌수있고 위 데이터를 바탕으로 우리는
로지스틱 회귀(Logistic Regression)의 모델을 만들수있게되는 겁니다.
다음 시간에는 Logistic Regression을 텐서플로우 코드로 나타내어보겠습니다.
'머신러닝-딥러닝 > 머신러닝 이론' 카테고리의 다른 글
| 선형회귀(Linear Regression)의 원리 (2) | 2022.09.17 |
|---|