아무것도 모르는 공대생의 지식 탐험기

로지스틱 회귀 모델 : 참 거짓 판단하기로지스틱 회귀(Logistic Regression) 이해하기머신러닝에서 데이터가 특정 범주에 속하는지를 예측하는 분류(Classification) 문제를 해결하기 위해 로지스틱 회귀(Logistic Regression)가 사용된다. 로지스틱 회귀는 선형 회귀와 유사하지만, 결과를 0과 1 사이의 확률 값으로 변환하는 것이 특징이다. ( 직선이 아닌 참(1)과 거짓(0) 사이를 구분하는 S자 형태의 선을 그어 주는 작업이다) 1. 로지스틱 회귀란?로지스틱 회귀는 이진 분류(Binary Classification) 문제를 해결하는 데 사용되는 머신러닝 알고리즘이다. 주어진 입력 데이터를 기반으로 특정 데이터가 어느 그룹(클래스)에 속하는지를 예측하는 역할을 한다.로..

선형 회귀 모델 : 먼저 긋고 수정하기1. 기울기와 오차의 관계회귀 분석에서 직선의 방정식은 다음과 같다. 여기서 a(기울기)와 b(절편)을 찾는 것이 핵심이다. 하지만 어떤 값이 최적의 기울기와 절편인지 어떻게 결정할 수 있을까?기울기와 오차 사이의 관계를 보면 오차는 이차 함수 형태를 띤다. 즉, 기울기가 너무 크거나 너무 작으면 오차가 증가하고, 특정 기울기에서 오차가 최소가 된다.따라서 오차가 가장 작은 최적의 기울기(m)를 찾아야 한다. 이를 위해 경사 하강법을 활용한다. 2. 경사 하강법(Gradient Descent)이란?경사 하강법은 오차를 줄이기 위해 기울기를 조정하는 최적화 알고리즘이다. 이 방법은 오차의 변화를 기반으로 적절한 학습률(learning rate)을 설정하고, 점진적으로 ..

1. 가장 훌륭한 예측선 (ch04)선형회귀란, 독립 변수 x를 사용해 종속 변수 y의 움직임을 예측하고 설명하는 작업을 의미한다. -> 하나의 x값만으로도 y의 값을 설명할 수 있다면 단순 선형 회귀-> x값이 여러 개 필요하다면 다중 선형 회귀-> 데이터에서 변수들 간의 관계를 모델링하여 독립 변수(입력 변수)를 기반으로 종속 변수(출력 변수)를 예측하는 통계적 방법이다.->회귀 분석은 주로 연속적인 값을 예측하는 데 사용된다.->회귀는 머신러닝의 기본적인 지도 학습 기법 중 하나로 널리 활용되고 있다. 회귀의 핵심 목적은 입력 변수와 출력 변수 사이의 수학적 관계를 파악하여, 새로운 데이터가 주어졌을 때 출력값을 정확히 예측하는 것이다. 이는 "특정 입력값이 주어졌을 때 결과값은 어떤 경향성을 보인..