Machine Learning for beginner

본 토픽은 현재 준비중입니다. 공동공부에 참여하시면 완성 되었을 때 알려드립니다.

VI. Logistic Regression (Week 3)

Classification

선형학습할 경우에 classification(분류)에서 적절치 못한 결과가 도출될 경우 logistic regression 을 이용해 군집을 할 수 있다. 이진화된 분류를 하기 위해서는 threshold를 정한 후

  • 값 이상을 positive class,

  • 값 이하를 negative class 로 분류한다.

일반적인 linear regression 으로 h(x) 값을 구할 경우 classfication이 0 과 1로 나뉨에도 불구하고, 그 값이 0 이하거나 1 이상인 경우가 발생한다. 이를 해결하고자 logisitic regression을 사용하는 것이다.

Decision boundary

Regularization

Keep all the features, but reduce the parameters θj.


\( x(t)=\frac{-b\pm \sqrt{{b}^{2}-4ac}}{2a} \)
\({e}^{i\pi}+1=0\)​

댓글

댓글 본문
버전 관리
agileup
현재 버전
선택 버전
graphittie 자세히 보기