[머신러닝] 로지스틱 회귀(Logistic Regression) 설명 및 사이킷런을 이용한 예제 코드

로지스틱 회귀란? 로지스틱 회귀는 통계학에서 분류 문제를 해결하기 위한 알고리즘 중 하나아다.

이 알고리즘은 종속 변수가 범주형 데이터일 때 사용되며, 주로 이진 분류 문제에 적용된다. 로지스틱 회귀는 선형 회귀와 비슷하지만, 종속 변수가 특정 범주(예: 0 또는 1)에 속할 확률을 추정하기 위해 로지스틱 함수(또는 시그모이드 함수)를 사용한다는 점에서 차이가 있다다.

시그모이드 함수는 S자 형태의 곡선을 그리며, 어떤 값도 0과 1 사이의 값으로 변환한다. 이 특성 때문에 로지스틱 회귀는 예측된 확률을 기반으로 하여 특정 클래스에 속할 가능성이 더 높은지를 판단할 수 있다.

시그모이드 함수(Sigmoid Function) 로지스틱 회귀에서 가장 중요한 수식은 시그모이드 함수입니다. 시그모이드 함수는 선형 회귀로부터 계산된 값을 입력으로 받아, 그 값이 0과 1 사이의 값으로 변환된다.

이는 다음과 같은 수식으로 표현할 수 있다. 여기서: σ(z)는 출력값으로, 항상 0과 1 사이의...

원문링크 : [머신러닝] 로지스틱 회귀(Logistic Regression) 설명 및 사이킷런을 이용한 예제 코드