7-1주차: Logistic Regression

c의 추정 및 분류 • 손실함수로 음의 로그우도함수를 적용 로지스틱 회귀에서는 가중치 벡터 c를 추정하는 것이 중요합니다. 이를 위해 손실 함수로 음의 로그우도함수를 적용하는데, 이는 각각의 cc가 독립적이라는 가정 하에, 주어진 cc 들에 대해서 cc가 발생할 확률을 최대화하는 가중치 벡터를 찾는 것입니다. 우도함수는 c개의 데이터에 대한 cc의 곱으로 나타낼 수 있습니다. 여기서 cc는 cc와 가중치 벡터의 내적으로 계산되는 선형 함수를 활성화 함수에 통과시켜 얻은 확률입니다. 따라서 손실 함수로 음의 로그우도함수를 사용하면, 가중치 벡터를 최적화하는 과정에서 얻은 확률 값이 실제 c값과 가장 일치하도록 할 수 있습니다. 이때 로그우도함수에 음수를 취하면, 손실 함수로서 사용할 수 있습니다. 이러한 손실 함수를 이용하여 경사 하강법과 같은 최적화 알고리즘을 사용하여 가중치 벡터를 추정할 수 있습니다. 이 손실 함수는 binary cross entropy로 불리며, 일반적으로 분류...

원문링크 : 7-1주차: Logistic Regression