로우코드 AI

233

7

장

파이썬으로 사용자 정의 ML 모델 학습시키기

7.4

사이킷런으로 로지스틱 회귀 모델 구축하기

학습 및 테스트 데이터셋을 준비했다면, 드디어

ML

모델 학습을 시작할 준비가 되었습니다.

이 절에서는 학습시킬 모델 유형인 로지스틱 회귀

logistic

regression

의 기본 사항과 사이킷런으로 모

델을 학습시키는 방법을 설명합니다. 그 후에는 분류 모델을 평가하고 개선하는 다양한 방법을

다룹니다. 마지막으로, 데이터셋에 다양한 변환과 학습 알고리즘을 통합하는 사이킷런의

파이

프라인

도 소개합니다.

7.4.1

로지스틱 회귀

로지스틱 회귀 모델의 목표는 데이터가 두 개의 불연속적인 범주 중 어느 쪽에 속하는지를 예

측하는 것입니다. 이를 간단히 표현하기 위해, 두 범주를 각각

y

 = 

1

과

y

 = 

0

이라고 표현합니

다. 두 범주 중 하나는 ‘양성’, 다른 하나는 ‘음성’ 범주라고도 생각할 수 있습니다. 선형 회귀와

마찬가지로 입력은 숫잣값들의 목록이지만, 출력은 특징 목록이 주어졌을 때 양수 클래스를 예

측할 확률



x

입니다. 이 확률은

Py x

(|

)= 1



처럼 표현할 수 있습니다.

y

 = 

1

이면 이 확률이

가능한 한

1

에,

y

 =

0

 

이면 확률이 가능한 한

0

에 가까워지면 좋습니다.

그렇다면 이 확률은 어떻게 계산할까요? 선형 회귀에서는

f

(

x

)=

w

0

+