일반적인 회귀 분석은 분류 문제를 풀기엔 적합하지 않다, 그 이유로 타깃 데이터의 값이 범위의 제한이 없기 때문,
결과값을 0과 1 사이의 값으로 출력하는 방법이 로지스틱 회귀 분석이다.
기존의 선형 회귀 모형 식을 분류 문제를 풀 수 있도록 변형, 치역 f(x)가 제한된 범위의 값을 가지도록 변형

x 에 대한 선형 회귀 식을 위와 같이 변형시키면 새로운 아웃풋 y는 0과 1 사이의 값을 가지게 된다.
위 식의 우변이 f(g) 형태가 되도록 변형

우변이 선형 형태로 나타난다.
좌변의 y/(1-y) 를 오즈비라고 부른다.
분자에 해당하는 y가 사건이 발생할 확률이라고 했을 때, 분모인 1-y는 사건이 발생하지 않을 확률을 나타낸다.
실패 확률과 성공 확률의 비를 오즈 비 odds ratio 라고 부른다.
또한 오즈 비에 로그를 취한 값을 로짓 logit 라고 부른다.
'개념 정리' 카테고리의 다른 글
합성곱 신경망 CNN Convolution Neural Network (0) | 2022.11.03 |
---|---|
내적 (0) | 2022.11.02 |
activation_function (0) | 2022.11.02 |
활성화 함수 (0) | 2022.10.29 |
벡터와 행렬, 행렬식 (0) | 2022.10.29 |