-
728x90
로지스틱 회귀 분류기
로지스틱 회귀 분석
- 입력 변수와 출력 변수의 관계를 표현하는 기법 중 하나
- 입력은 독립 변수, 출력은 종속 변수이다.
- 독립 변수와 종속 변수의 관계를 로지스틱 함수를 통해 계산된 확률로 표현한다.
- 이 때, 로지스틱 함수는 시그모이드 곡선으로 표현한다.
시그모이드 곡선: 생명 주기를 표현할 때 자주 보던 S자를 눕힌 모양의 곡선, 여러 가지 매개변수로 구성된 함수를 만들 때 주로 사용
- 종속 변수의 수는 고정된다. 분류 문제를 다룰 때는 종속 변수로 분류할 클래스를 표현한다.
- 로지스틱 함수는 데이터의 분포를 표현하는 직선 중에 오차가 가장 적은 직선을 구하는 일반 선형 모델(선형 회귀 분석)과 밀접한 관계가 있다.
나이브 베이즈 분류기
- 베이즈 정리를 기반으로 분류기를 만든다.
- 베이즈 정리
- 사건이 발생할 확률을 그 사건에 관련된 여러 가지 조건을 기반으로 표현한다.
- 문제의 인스턴스는 특징 값으로 구성된 벡터로 표현한다. 이때 주어진 특징 값들은 서로 독립적이라고 가정한다.(독립성 가정)
- 서로 다른 특징들 사이의 관계는 고려하지 않고, 주어진 클래스 변수에 대해 개별 특징이 미치는 효과만 본다.
728x90'ECC 인공지능 스터디' 카테고리의 다른 글
[인공지능/AI] 2장. 오차 행렬, 서포트 벡터 머신(SVM), 회귀 분석 (1) 2024.03.23 [인공지능/AI] 2장. 지도 학습과 비지도 학습, 분류, 데이터 전처리 (0) 2024.03.23 [인공지능/AI] 1장. 범용 문제 해결기(GPS), 머신 러닝 모델 종류 (1) 2024.03.23 [인공지능/AI] 1장. 튜링 테스트, 이성적인 에이전트 개념 (0) 2024.03.23 [인공지능/AI] 1장. 인공지능 개요 (0) 2024.03.23