이항 분류
이항 분류(Binary Classification)는 요소를 두 그룹 중 하나로 분류하는 것을 말한다. 예를 들어 합격, 불합격 판별, 스팸 메일 여부의 판별, 어떤 얼굴의 실제 여부의 판별 등이 있다. 머신러닝에서 이항 분류는 결과 값을 0 또는 1로 만들게 된다.
로지스틱 회귀
선형 회귀에서는 연속적인 값으로 결과 값을 추측했지만, 이항 분류에서는 결과 값이 0, 1 둘 중 하나다. 따라서 이항 분류를 위해서는 새로운 함수가 필요한데, 로지스틱 함수가 그 역할을 할 수 있다. 로지스틱 함수는 예측의 결과 값을 0과 1사이의 값으로 바꾸어주는 역할을 한다.
로지스틱 함수에 의해 값이 0과 1사이로 제한되었다면 이제 특정한 기준(e.g. 0.5)을 정해서 요소가 0에 속하는지 1에 속하는지를 판단하면 된다.
대략적인 로지스틱 회귀의 과정은 다음과 같다.
가장 많이 사용하는 로지스틱 함수는 다음과 같은 시그모이드 함수(sigmoid function)이다.
\[g(z) = \frac{e^z}{(e^z + 1)} = \frac{1}{(1 + e^{-z})}\]
별도의 출처 표시가 있는 이미지를 제외한 모든 이미지는 강의자료에서 발췌하였음을 밝힙니다.
댓글남기기