[메타코드] 머신러닝 기초를 위한 무료강의 (5) - 로지스틱 회귀 분류모델, 베이즈 정리, MLE, MAP
선형 회귀를 통한 분류모델 예를들어 [개=1, 고양이=2, 사자=3, 얼룩말=4]와 같은 방식으로 라벨링(A)을 했을 때와 [개=1, 고양이=2,,,,,,,,, 사자=99, 얼룩말=100]이라는 라벨링(B)을 했을 때를 비교해보자 A방식으로 모델을 학습시키고, 나온 결과에 대해 손실함수(ex. MSE)를 계산했을 때는 그 값이 매우 작을 수 있다. 하지만 B처럼 똑같은 클래스에 다른 라벨링을 해주면 손실값이 매우 커질 수 있다. 따라서 다른 손실함수나 선형회귀가 아닌 다른 모델이 필요하다. * 시그모이드 함수 (Sigmoid Function) - x가 0이하일 땐 y값이 0.5이하, 0이상일 땐 0.5이상이 되게 하는 활성화 함수 로지스틱 회귀를 통한 분류모델 오즈(odds) : 가능성 (성공할 확률 /..