목록LogisticRegression (2)

그래도해야지어떡해

[분류 알고리즘] 로지스틱 회귀(Logistic Regression) - 다중분류(multi-class classification)

* 이진 분류와 다중 분류에서 로지스틱 회귀의 차이점 이진 분류에서는, - 하나의 선형 방정식을 훈련 - 훈련된 방정식의 출력값을 시그모이드 함수에 통과시켜 0~1사이의 값 만들기(양성 클래스에 대한 확률) 다중 분류에서는, - 클래스 개수만큼 방정식을 훈련 - 각 방정식의 출력값을 소프트맥스 함수를 통과시켜 전체 클래스에 대한 합이 항상 1이 되도록 만들기(= 각 클래스에 대한 확률) * 실습 : 로지스틱 회귀로 다중 분류 수행하기 Logistic Regression을 이용하여 7개의 Class 분류하기 In [1]: import numpy as np import pandas as pd fish = pd.read_csv('https://bit.ly/fish_csv') In [2]: fish.head()..
ML 2022. 2. 17. 16:01
[분류 알고리즘] 로지스틱 회귀(Logistic Regression) - 이진분류(binary classification)

로지스틱 회귀는 분류모델이다. linear regression과 동일하게 선형 방정식을 학습한다. z= a*(Weight) + b*(Length) + c*(Diagonal) + d*(Height) + e*(Width) + f ** 여기서 weight, Length, Diagonal, Height, Width는 각 특성을 나타낸다(즉 Weight-특성1, Length-특성2, ...). ** 여기서 a,b,c,d,e는 가중치 혹은 계수이다. ** 여기서 z는 어떤 값도 가능하다 -> 하지만, 확률이 되려면 0~1사이의 값이 되야한다. => 이를 위해 시그모이드 함수를 사용! import numpy as np import matplotlib.pyplot as plt z = np.arange(-8, 8, 0...
ML 2022. 2. 17. 14:28
Prev 1 Next