Supervised - Logistic Regression(확률적 회귀)

 

0. 지도 학습(supervised Learning)

 

I. classification의 한 종류

 

Logistic regression

output(y)값의 에측이 아닌 어떤 범주에 속하는지에 대한 확률을 모델링

 

 

Y: 0또는 1 , Y_hat: 0~1 사이값

sigmoid 함수를 이용한 분류

 

 

'강아지' 이면 1, 아니면 0으로 분류함

예측값은 0.5를 기준으로 0.5~1에 가까우면 '강아지', 0.5~0 사이면 '다르다'로 표현

 

Y_hat = sigmoid(w*x+b)

 

sigmoid 함수

f(x)=s(wx+b) 이며, w기울기값이 클수록 수직에 가까우며 . b값이 변하면  수평 이동하게 된다.

회색 : WX >=0 , 노란색 : WX < 0

 

 

평가측정 

CEE(Cross Entropy Error)

울퉁 불퉁한 부분을 바로 잡는것이 log 함수다.

y= cost  , x= 데이터

원래 y=1 이고, f(x) 가설이 1일때 cost(1)=0

원래 y=1 이고, f(x) 가설이 0일때 cost(0)= 무한대

y=cost, x=데이터

원래 y=0 이고, f(x) 가설이 0일때 cost(0)=0

원래 y=0 이고, f(x) 가설이 1일때 cost(0)=무한대

 

 

조건문 없이 하나의 방정식으로 표현

 

 

 

 

 

검증

정확도(accuracy), 정밀도(precision), 재현율(recall)