로지스틱 회귀 = 선형 방정식을 사용한 분류 알고리즘 , 시그모이드함수, 소프트맥스 함수를 사용하여 클래스 확률을 출력
다중분류 = 타깃 클래스가 2개 이상인 분류 문제
시그모이드 = 선형 방정식의 출력을 0과 1 사이의 값으로 압축 & 이진분류에 사용
소프트맥스 = 합하면 1이 되는 0~1사이의 확률값 & 다중분류에 사용
소프트맥스와 시그모이드 함수 비교
<핵심포인트>
로지스틱 회귀 = 선형 방정식을 사용한 분류 알고리즘 , 시그모이드함수, 소프트맥스 함수를 사용하여 클래스 확률을 출력
다중분류 = 타깃 클래스가 2개 이상인 분류 문제
시그모이드 = 선형 방정식의 출력을 0과 1 사이의 값으로 압축 & 이진분류에 사용
소프트맥스 = 합하면 1이 되는 0~1사이의 확률값 & 다중분류에 사용
소프트맥스와 시그모이드 함수 비교
<핵심 패키지와 함수>
LogisticRegression( )
from sklearn.Linear_model import LogisticRegression
lr=LogisticRegression()
lr.fit(train_data, test_data)
predict_proba() : 예측 확률을 반환
lr.predict_proba(data)
decision_function() : 모델이 학습한 선형방정식의 출력을 반환(z 값)
lr.decision_function(data)
<핵심 키워드>