핸즈온 머신러닝(2판): 사이킷런, 케라스, 텐서플로 2를 활용한 머신러닝, 딥러닝 완벽 실무

193

4

장

모델 훈련

sgd_reg.fit(X_train_poly_scaled, y_train)

# 훈련을 이어서 진행합니다.

y_val_predict = sgd_reg.predict(X_val_poly_scaled)

val_error = mean_squared_error(y_val, y_val_predict)

if val_error < minimum_val_error:

minimum_val_error = val_error

best_epoch = epoch

best_model = clone(sgd_reg)

warm

_

start

=

True

로 지정하면

fit

()

메서드가 호출될 때 처음부터 다시 시작하지 않고 이전

모델 파라미터에서 훈련을 이어갑니다.

4.6

로지스틱 회귀

1

장에서도 이야기한 것처럼, 어떤 회귀 알고리즘은 분류에서도 사용할 수 있습니다(또는 그

반대의 경우도 있습니다).

로지스틱 회귀

logistic

regression

(또는

로짓 회귀

logit

regression

)는 샘플이 특

정 클래스에 속할 확률을 추정하는 데 널리 사용됩니다(예를 들면 이 이메일이 스팸일 확률은

얼마인가?). 추정 확률이

50

%가 넘으면 모델은 그 샘플이 해당 클래스에 속한다고 예측합니다

(즉, 레이블이 ‘

1

’인

양성 클래스

positive

class

). 아니면 클래스에 속하지 ...