로지스틱 회귀

예상 모듈 길이: 35분

학습 목표

• 로지스틱 회귀를 실행하는 사용 사례를 파악합니다.
• 로지스틱 회귀 모델에서 시그모이드 함수를 사용하여 확률을 계산하는 방법을 설명합니다.
• 선형 회귀와 로지스틱 회귀를 비교합니다.
• 로지스틱 회귀가 제곱 손실 대신 로그 손실을 사용하는 이유를 설명합니다.
• 로지스틱 회귀 모델 학습 시 정규화의 중요성 설명

기본 요건:

이 모듈에서는 다음 모듈에서 다룬 개념에 익숙하다고 가정합니다.

• 머신러닝 소개
• 선형 회귀

선형 회귀 모듈에서는 자동차의 연비와 같은 연속적인 수치 예측을 수행하는 모델을 구성하는 방법을 살펴봤습니다. 하지만 '오늘 비가 올까요?' 또는 '이 이메일이 스팸인가요?'와 같은 질문에 답하는 모델을 빌드하려면 어떻게 해야 할까요?

이 모듈에서는 특정 결과의 확률을 예측하도록 설계된 새로운 유형의 회귀 모델인 로지스틱 회귀를 소개합니다.

핵심 용어:

• 로지스틱 회귀