Logistic Regression (로지스틱 회귀)에 대한 정리

1. Logistic Regression(로지스틱 회귀)란 로지스틱 회귀는 영국의 통계학자인 D.R.Cox가 1958년에 제안한 확률 모델로서 독립 변수의 선형 결합을 이용하여 사건의 발생 가능성을 예측하는 데 사용되는 통계기법이다. 로지스틱 회귀는 일반적인 회귀 분석의 목표와 동일하게 종속 변수와 독립 변수 간의 관계를 구체적인 함수의 형태로 나타내어 향후 예측 모델에 사용한다는 점이다. 이는 독립 변수의 선형 결합으로 종속 변수를 설명한다는 관점에서 선형 분석과 유사하지만, 로지스틱 회귀는 선형 회귀 분석과는 다르게 종속 변수가 범주형 데이터(종류를 표현하는 데이터를 의미, 카테고리 데이터라고도 불린다고 한다.)를 대상으로 하며 입력 데이터가 주어졌을 때 해당 데이터의 결과가 특정 분류로 나뉘기 때문에 일종의 분류(classification) 기법으로도 볼 수 있다. 흔히 로지스틱 회귀는 종속 변수가 이항형 문제(유효한 범주가 두 개인 경우, label이 두 가지인 경우)를 해결...

원문링크 : Logistic Regression (로지스틱 회귀)에 대한 정리