반응형 로지스틱회귀2 [손으로 푸는 로지스틱 회귀분석] 5. 비용함수 (2) log loss 로지스틱 회귀분석에서 사용하는 모델은 아래와 같습니다. 로지스틱 함수라고 부릅니다. $f(x)=\frac{1}{1+e^{-(\beta_{0}+\beta_{1}x)}}$ 우리는 이 함수의 계수인 $\beta_{0}$과 $\beta_{1}$을 결정해야 합니다. 우리가 가진 데이터를 가장 잘 표현하도록 계수를 정할겁니다. 데이터는 아래와 같습니다. 번호 공부시간 통과여부 1 1.5 0 2 1.8 0 3 2.3 1 4 3.3 0 5 4.6 1 6 6.5 1 오차의 제곱을 비용으로 정의하고, 비용을 전부 더하여 비용함수를 정의하였습니다. 이 비용함수를 최소화하는 계수를 찾으면 됩니다. 지난시간에 비용함수를 아래와 같이 설정했었습니다. $\begin{align} J(\beta_{0},\beta_{1})&=\sum_.. 2023. 7. 28. [손으로 푸는 로지스틱 회귀분석] 4. 비용함수 (1) 오차제곱합을 쓰지 않는 이유 우리는 지난시간에 로지스틱 함수를 배웠습니다. $f(x)=\frac{1}{1+e^{-(\beta_{0}+\beta_{1}x)}}$ 이제 위 함수의 계수들을 정할 차례입니다. 우리가 가진 데이터를 가장 잘 표현할 수 있도록 계수들을 정해야 하는데요. 우리가 가진 데이터는 아래와 같습니다. 번호 공부시간 통과여부 1 1.5 0 2 1.8 0 3 2.3 1 4 3.3 0 5 4.6 1 6 6.5 1 우리가 하고 싶은 일은 위 데이터를 잘 표현하는 로지스틱 함수를 찾는 것입니다. 오차를 정의하고, 오차를 최소화하는 방식으로 로지스틱 함수를 찾을 것입니다. 오차는 실제값과 예측값의 차이입니다. 예를 들어 번호1의 오차를 $\varepsilon_{1}$이라고 한다면 $\varepsilon_{1}$ 은 아래와 같이 .. 2023. 7. 26. 이전 1 다음 반응형
