회귀(Regression)
- 예측하고자 하는 값이 연속형 데이터
ex) 주식 가격 예측, 부동산 가격 예측
- 대표적인 방법론 : Linear Regression(선형 회귀)
분류(Classfication)
- 예측하고자 하는 값이 범주형 데이터
ex) 문서 분류, 이미지 분류
- 대표적인 방법론 : Logistic Regression(로지스틱 회귀)
GLM(Generalized Linear Model) : 일반화 선형 모델
- 선형 회귀와 로지스틱 회귀를 포함
로지스틱 회귀(Logistic Regression)
- 독립변수와 종속변수 간의 관계를 분석하는 통계적 절차
- 선형 회귀 방식을 분류 분석에 적용한 알고리즘
- 주로 이진 분류 문제에 사용되지만, 다중 클래스 분류에도 적용 가능
- 로지스틱 함수를 이용하여 0과 1 사이의 값을 가지는 최적의 선 추정
-> 0과 1 사이의 반환값을 확률로 간주해 확률에 따라 분류하는 방식
-> 확률 기반의 분류 : 임계값(thresholds) 기반의 분류
-> 분류 정확도가 높은 회귀선을 찾는 것이 중요
로지스틱 회귀선의 추정
- 기존 선형 회귀 분석에서 오차가 최소화되는 지점을 찾으려면 최소제곱합을 사용했다.
- 로지스틱 회귀에서는 최소제곱합을 사용할 수 없다.
-> log를 사용한다.
'프로젝트 > 코드프레소 체험단' 카테고리의 다른 글
파이썬으로 구현하는 머신러닝 : 분류분석 - 로지스틱 회귀 실습1 (0) | 2022.01.22 |
---|---|
파이썬으로 구현하는 머신러닝 : 분류분석 - 분류 분석을 위한 성능 지표 (0) | 2022.01.21 |
시각화를 위한 Matplotlib, Pandas 활용하기 (0) | 2022.01.18 |
파이썬으로 구현하는 머신러닝 : 회귀분석 - 사이킷런 활용한 라쏘 규제 실습 (0) | 2022.01.18 |
파이썬으로 구현하는 머신러닝 : 회귀분석 - 사이킷런 활용한 릿지 규제 실습 (0) | 2022.01.17 |