로지스틱 회귀

예상 모듈 시간: 35분

학습 목표

• 로지스틱 회귀를 수행하는 사용 사례를 확인합니다.
• 로지스틱 회귀 모델이 시그모이드 함수를 사용하여 확률을 계산하는 방식을 설명합니다.
• 선형 회귀와 로지스틱 회귀를 비교합니다.
• 로지스틱 회귀에서 제곱 손실이 아닌 로그 손실을 사용하는 이유를 설명합니다.
• 로지스틱 회귀 모델 학습 시 정규화의 중요성을 설명합니다.

기본 요건:

이 모듈에서는 다음 모듈에서 다룬 개념을 잘 알고 있다고 가정합니다.

• 머신러닝 소개
• 선형 회귀

선형 회귀 모듈에서는 자동차의 연비와 같은 연속적인 수치를 예측하는 모델을 만드는 방법을 살펴봤습니다. 하지만 '오늘 비가 올까?'나 '이 이메일은 스팸이야?'와 같은 질문에 답하는 모델을 만들고 싶다면 어떻게 해야 할까요?

이 모듈에서는 새로운 유형의 회귀 모델인 로지스틱 회귀를 소개합니다. 이 모델은 주어진 결과의 확률을 예측하도록 고안되었습니다.

핵심 용어:

• 로지스틱 회귀