AI를 위한 필수 수학

126

AI

를 위한 필수 수학

지금까지 회귀 분석 문제를 푸는 과정을 살펴봤다. 아직 시작 단계라서 중간중간 미적분학과

선형 대수 개념도 살펴보아야 했다. 앞으로 살펴볼 머신러닝 모델들 (로지스틱 회귀, 서포트 벡

터 머신, 의사 결정 트리, 랜덤 포레스트 등 )의 경우 똑같은 개념과 아이디어를 다른 함수에 적

용하기만 하면 되기 때문에 더 빠르게 살펴볼 수 있을 것이다.

3.4

로지스틱 회귀: 이항 분류

로지스틱 회귀는 주로 분류를 목적으로 사용된다. 먼저 이 모델을 이항 분류 작업에 어떻게 사

용할 수 있는지 설명한다. 이항 분류의 예로는 암/암이 아님, 어린이에게 안전함/안전하지 않

음, 대출 상환 가능/가능하지 않음 등 두 가지 클래스

class

로 분류하는 것들이 있다. 그런 다음 모

델을 일반화하여 여러 클래스로 분류하는 문제를 풀도록 한다. 구성은 <

3

.

3

회귀>와 동일하다.

1

훈련 함수

2

손실 함수

3

최적화

3.4.1

훈련 함수

선형 회귀와 마찬가지로 로지스틱 회귀에 사용되는 훈련 함수는 피처의 선형 조합을 계산하고

편향인 상수 항을 더한다. 그리고 결과를 그대로 출력하지 않고 로지스틱 함수를 통과시킨다.

로지스틱 함수의 그래프는 [그림

3

-

14

]에서 확인할 수 있으며 식은 다음과 같다.

s

e1

1

s

v

=

+

-

Q

V

이 함수는

0

과

1

사이의 값을 출력한다. 따라서 ...