[coursera 머신러닝 강의] Logistic regression 로지스틱 회귀 기초 Hypothesis


[coursera 머신러닝 강의] Logistic regression 로지스틱 회귀 기초 Hypothesis

머신러닝 / 딥러닝 기초를 다지고자 coursera에서 Adrew Ng 강사가 진행하는 머신러닝 강의를 수강하게 되었다. 다음은 Logistic Regression 강의 내용을 정리한 것이다. 분류 (지도학습) classification Linear regression 이 주어진 feature(x)에 따라 연속적인 target(y) 값을 추정하는 방법이라면, classification은 주어진 feature에 따라 데이터를 이산적인 class에 분류하는 방법이다. 예를 들면, 받은 이메일이 스팸인지 아닌지, 어떤 종양이 양성인지 악성인지 등을 판별하는 것은 분류 문제에 속한다. 분류에는 여러 개의 class로 분류하는 다중 분류(multi-class classification)와 두 개의 class로 분류하는 이중 분류(binary classification)가 있다. 로지스틱 회귀(Logistic regression)은 분류 문제에 속한다. 이중 분류 Binary Classific...


#coursera #코세라머신러닝 #코세라 #지도학습 #이웃환영 #분류 #머신러닝 #로지스틱회귀 #대학생 #공부블로그 #공부 #가설함수 #통계학과

원문링크 : [coursera 머신러닝 강의] Logistic regression 로지스틱 회귀 기초 Hypothesis