분류

1. 이진분류(binary classification)
2. 다중분류(multinomial classification)
   

• 위의 그림처럼 독립변수 1개인 직선을 그려 이중으로 분류를 할 수 있다.
• 이진분류를 확장하여 다중분류를 실행할 수 있다.
• Logistic Regression으로 예를 들어 구현해보자.
  
• 위의 예는 성적, 출석, 학점이 있는 데이터이다.
• 빨간선은 hyperplane으로 초평면을 말합니다.
• 초평면은 P차원 공간속에서 평면을 일반화하여 P-1차원으로 보는 부분공간입니다.
• 파란선과 보라선 성적과 출석에 대한 선형 회귀선입니다.
• 우리가 알고싶어하는 점은 성적은 C보다는 높고, B와는 비슷하고, A보다는 낮습니다. 출석은 C와는 비슷하고 B보다는 출석률이 높고, A보다는 낮습니다.
• 이때 우리 목표는 검은점이 받을 성적은 무엇인가를 예측하는 것입니다.
  
• 위의 식은 기존 이진분류에서 다중분류로 넘어와서 독립변수 한개가 추가 되어 생성된 식입니다.