로지스틱 회귀

예상 모듈 길이: 35분

학습 목표

• 로지스틱 회귀를 수행하기 위한 사용 사례 파악
• 로지스틱 회귀 모델에서 시그모이드 함수를 사용하는 방법 설명 확률을 계산합니다.
• 선형 회귀와 로지스틱 회귀를 비교합니다.
• 로지스틱 회귀가 제곱 대신 로그 손실을 사용하는 이유 설명 손실이 발생할 수 있습니다.
• 로지스틱 학습에서 정규화의 중요성 설명 살펴보겠습니다

를 통해 개인정보처리방침을 정의할 수 있습니다.

기본 요건:

이 모듈에서는 확인할 수 있습니다

• 머신러닝 소개
• 선형 회귀

선형 회귀 모듈에서는 연속적인 수치 신경망을 만들기 위한 모델을 구성하는 방법을 자동차의 연비와 같은 예측을 제공합니다. 하지만 애플리케이션을 "오늘 비가 올까?", 또는 '이 이메일은 스팸인가요?'

이 모듈에서는 질적인 모델이라는 새로운 유형의 회귀 모델을 소개합니다. 로지스틱 회귀 특정 결과의 확률을 예측하도록 설계된 모델입니다.

핵심 용어:

• 로지스틱 회귀