kaseomi 님의 블로그

로지스틱회귀 이론범주형 Y에서 선형함수의 관계X가 연속형 변수이고, Y가 특정 값이 될 확률이라고 설정한다면, 왼쪽 그림과 같이 선형으로 설명하기는 쉽지 않음. 확률은 0과 1사이인데, 예측 값이 확률 범위를 넘어갈 수 있는 문제가 발생S자 형태의 함수를 적용하면 설명됨- Y가 0, 1 범주형인 경우 함수 적합 로짓의 개념S형태의 함수를 만들기 위해서 오즈비(Odds ratio)의 개념을 적용. 승산비라 불리는 오즈비는 실패확률 대비 성공확률로, 도박사들이 자주 쓰는 개념예를 들어 도박이 성공할 확률이 80% 라면, 오즈비는 80%/20% = 4. 1번 실패하면 4번은 딴다.오즈비(odds ratio) =  P/(1-P)하지만 오즈비는 바로 쓸 수 없음. P는 확률 값으로 0, 1 사이 값인데, P가 증..

1. 머신러닝의 기초머신러닝의 정의 및 역사머신러닝은 데이터를 통해 패턴을 학습하고 예측·분류하는 기술로, 데이터 처리 기술과 저장매체 발전에 힘입어 급속히 발전했다머신러닝은 AI의 하위 영역으로, 딥러닝은 다시 머신러닝의 하위 영역이다머신러닝 기술은 지도 학습, 비지도 학습, 강화 학습으로 나뉘며 다양한 산업 분야에 활용되고 있다머신러닝의 발전 배경통계와 데이터 과학의 발전으로 대용량 데이터를 분석하고 의사결정을 내릴 필요성이 증가했다저장매체 기술 발전으로 데이터 저장 비용이 하락하면서 데이터 활용이 용이해졌다패턴 인식과 의사결정을 자동화하기 위한 기술적 요구가 증가했다머신러닝의 주요 종류Supervised Learning(지도 학습): 레이블이 있는 데이터를 기반으로 학습Unsupervised Lea..