목록accuracy score (1)

세조목

머신러닝 기초 복습(로지스틱 회귀)(24.05.03)

머신러닝예측숫자{(평균으로)회귀}범주/카테고리(분류)선형 회귀로지스틱 회귀선형 회귀를 차용해서 만든거라서 '회귀'가 붙음 다중공선성 제거 방법1. pair plot, 상관관계로 상관관계 확인 후 하나의 독립변수 제거2. PCA(차원축소) 로지스틱 회귀로지스틱 회귀 : 확률 예측 時 사용됨그림에서 확인할 수 있는대로 확률을 예측할 때는 선형회귀를 적용하는 것이 적절하지 않음그래서 0과 1에 수렴하는 Logistic Regression이 나왔음 오즈비 = p / 1-p ※ 오즈비의 경우 확률이 증가할수록 급격히 발산하기 때문에 사용이 적절하지 않음오즈비 + 로그 → 로짓(Logit) = log(p / 1-p) ※ 로그를 씌워주면 회귀모델로 사용하기에 적절하게 됨로지스틱 회귀의 임계값 → 0.5(0.5 넘으면..
데이터 분석 공부/머신러닝 2024. 5. 3. 20:13
이전 Prev 1 Next 다음