Am I?

Am I?

  • Category
    • Machine Learning
      • 회귀 분석
      • 대회 및 프로젝트
      • 논문 읽기
    • 문학
    • 잡학
    • 수학
    • 일기
    • 알고리즘
  • 홈
  • 태그
  • 방명록
  • 깃허브
RSS 피드
로그인
로그아웃 글쓰기 관리

Am I?

컨텐츠 검색

태그

극한 증명 부피 변화 시그모이드 도함수 증명 로지스틱 회귀 어느 시시한 사내 이야기 모각코 박완서 단편 소설 Cross Entropy CAN원리 로지스틱 회귀 손실함수 얼음 결정구조 tanx/x sinx/x sigmoid dacon Creative Adversarial Networks 인공지능 창의력 소프트맥스 로지스틱 회귀 수학

최근글

댓글

공지사항

아카이브

Machine Learning/회귀 분석(2)

  • 선형회귀

    보호되어 있는 글입니다.

    2020.08.07
  • 로지스틱 회귀(Logistic Regression), 범주형 데이터 분류

    선형 회귀는 범주형 데이터를 대상으로 한 분류 문제에 적합하지 않다. *범주형 데이터란 'A', 'B', 'C'와 같이 종류를 표시하는 데이터를 말한다. 선형 회귀를 사용하여 2진 분류[ex) 성공 or 실패]를 나타낸 그림이다. X축을 노력한 시간, Y축을 합격 확률이라고 한다면, 노력한 시간(X)이 작으면 합격 확률(Y)이 음수가 되는 것을 볼 수 있고, 반대로 노력한 시간(X)이 계속 늘어날수록 합격 확률(Y)도 계속해서, 즉, 무한대로 늘어나는 것을 볼 수 있다. 선형 회귀로 2진 분류 문제를 풀기에는 다소 적절하지 않은 것을 알 수 있다. 로지스틱 회귀에서 쓰이는 함수(시그모이드) 로지스틱 회귀는 인공지능이 2항 분류[ex)합격 or 불합격, 음성 or 양성으로 분류]에 사용한다. 로지스틱 회귀..

    2020.07.05
이전
1
다음
티스토리
© 2018 TISTORY. All rights reserved.

티스토리툴바

단축키

내 블로그

내 블로그 - 관리자 홈 전환
Q
Q
새 글 쓰기
W
W

블로그 게시글

글 수정 (권한 있는 경우)
E
E
댓글 영역으로 이동
C
C

모든 영역

이 페이지의 URL 복사
S
S
맨 위로 이동
T
T
티스토리 홈 이동
H
H
단축키 안내
Shift + /
⇧ + /

* 단축키는 한글/영문 대소문자로 이용 가능하며, 티스토리 기본 도메인에서만 동작합니다.