주요 개념

• 로지스틱 회귀: 선형 방정식을 사용한 분류 알고리즘, 선형 회귀와 달리 시그모이드 함수나 소프트맥스 함수를 사용하여 클래스 확률을 출력함

• 다중 분류: 타깃 클래스가 2 개 이상인 분류 문제, 소프트맥스 함수를 사용하여 클래스 예측

• 시그모이드 함수: 선형방정식의 출력을 0과 1사이의 값으로 압축하며 이진 분류를 위해 사용

• 소프트맥스 함수: 다중 분류에서 여러 선형 방정식의 출력 결과를 정규화하여 합이 1이 되도록 만듦

로지스틱 회귀

럭키백의 확률 구하기

• 표준화 전처리 및 K-Neighbors Classifier의 확률 예측

로지스틱 회귀: 0.5 보다 크면 양성 클래스, 작으면 음성 클래스로 분류

로지스틱 회귀로 다중 분류 수행하기

colab 링크: https://colab.research.google.com/drive/1Dhjo5nKu04Hqcp7zdYGQzQI1Ycg0gvPO?usp=sharing

참고: 혼자 공부하는 머신러닝+딥러닝