고정 헤더 영역
상세 컨텐츠
본문
728x90
회귀분석
하나의 종속변수 y와 두 개 이상의 독립변수(x1,x2....)사이의 관계를 최소 제곱법에 의해 추정하는 수법
| 선형회귀 | 관측값 y1이 독립변수의 선형 조합으로 표현되는 것 |
| 비선형회귀 | 관측값 y1이 독립변수의 곡선 조합으로 표현되는 것 |
회귀식
데이터들을 대표하는 선을 그리는 것
- Y=WX + b [W : 가중치, b : 편향(bias)]
ex> Y = W0+W1X1+W2X2 - 점과 회귀식에 의해 그어진 점 사이의 거리가 에러
→ erroer=y - ŷ [y: 실제값, ŷ: 예측값] - 다양한 데이터를 분류하기 위해선 cost를 최소화할 수 있는 다양한 선을 그어야 함[Decision Boundary]
선형회귀 vs 로지스틱 회귀
| 선형 회귀 | 로지스틱 회귀 | |
| 확률값 해석 가능여부 | 확률값으로 직접 해석 불가 | 확률값으로 해석 가능 |
| 종속 변수 | 연속형 변수 | (0,1) → 범주형 데이터 |
| 계수 추정법 | 최소 제곱법 | 최대 우도 추정법 |
| 모형 검정 | F검정, T검정 | 카이제곱검정[x2-test] |
| 가설함수 |  |
 |
| 비용함수 |  |
 |
| 기울기함수[미분] |  |
 |
728x90
'Python' 카테고리의 다른 글
| [개미의 걸음 scikit-learn 4차시] Classification① 회귀분석 - 선형(with iris 데이터) (0) | 2021.02.11 |
|---|---|
| [개미의 걸음 scikit-learn 오류해결] graphviz 설치 및 오류 해결(with jupyter notebook) (0) | 2021.02.04 |
| [개미의 걸음 scikit-learn 4차시] 의사결정트리 실습(with iris) (0) | 2021.02.04 |
| [개미의 걸음 scikit-learn 3차시] Classification① 의사결정트리(Decision Tree)의 이해 (0) | 2021.02.03 |
| [개미의 걸음 scikit-learn 2차시] Classification(분류)의 이해 (0) | 2021.02.02 |
댓글 영역