목록이진 분류 (1)

세조목

이커머스 머신러닝 강의 복습(Ch.2 - Logistic Regression)

테이블명.sum() → 컬럼별 수치의 합 전처리 data.isna().sum() 을 하면 결측치의 개수를 알 수 있음 결측치 처리 : data.dropna() impute 테이블명.fillna(변수) / 테이블명['컬럼명'].fillna(변수) 여기서 '변수'에는 평균이나 중앙값 등이 들어감 binary classification(이진 분류) 에서 linear를 사용할 수 없는 이유 선형으로 예측하면 1보다 크고, 0보다 작은 경우가 발생하는데 인지 아닌지를 보는 이진 분류에서 이는 말이되지 않음 이 때 logistic regression을 사용하면 예측값이 1과 0 사이에서 계산되기때문에 위에서의 문제가 해결됨 위 산식이 linear를 logistic으로 바꿔주는 산식임 1과 0 사이의 0.xxx의 값..
데이터 분석 공부/머신러닝 2024. 2. 27. 20:49
이전 Prev 1 Next 다음