sigmoid3 [Machine Learning & Deep Learning 공부] Neural Network를 이용한 이진 분류 오사카 여행 갔다 온 다음날, 바로 공부 시작..! 오늘은 Neural Network를 이용한 이진 분류를 공부하고 실습했다.이진분류에서, 마지막 output 활성화 함수를 sigmoid로 한다.Sigmoid 함수 특징Sigmoid 함수를 사용하는 이유는 y값이 0.5가 넘으면 1, 0.5보다 낮으면 0으로 이진 분류가 가능하기 때문이다.Sigmoid 함수 식에서 z는 logit이라고 하는데 logit 안에는 wx+b 공식이 들어간다.S curve를 형성하여 미분 가능하다.0.5 부근에서 급격하게 변화하기 때문에 민감한 데이터들을 분류하기 좋다.[0, 1]로 bound 되어 있다.초반에 말했듯이 ouput의 활성화함수는 sigmoid로 한다고 했다.그러면 중간의 hidden layer들은 무엇으로 할까.. 2025. 6. 26. [Machine Learning & Deep Learning 공부] Logistic Regression 실습 이번 실습은 Logistic Regression 을 이용해서 이진 분류를 하고, ROC Curve로 시각화할 것이다.1. data : 성별 소득 data에 따라 특정 구매자의 구매할지의 여부 예측2. Dataset 구성 : 사용자 ID, 성별, 연령, 추정급여, 구매여부. 이 중에서 연령, 추정급여 feature을 이용할 것이다.3. Train / Test dataset은 8:2로 분리할 것이다.4. Feature Scaling을 실시할 것이다.(standard scaling)5. Model evaluation by Confusion Matrix, F1-score6. Visualization > ROC Curve 자 이제 시작!먼저 사용할 라이브러리를 불러온다.import numpy as npimport.. 2025. 3. 18. [Machine Learning & Deep Learning 공부] Logistic Regression Logistic Regression 기본 개념Logistic Regression은 이진 분류 문제를 해결하기 위해 설계된 통계적 모델이다. 이 모델은 하나 이상의 독립 변수를 사용하여 이진 결과(예: 0 또는 1, 성공 또는 실패)의 확률을 예측수학적 기초로지스틱 함수Logistic Regression의 핵심은 로지스틱 함수(시그모이드 함수)이다. 이 함수는 어떤 실수 값이라도 0과 1 사이의 값으로 변환선형 예측자 함수모델은 먼저 선형 예측자 함수를 사용확률 계산선형 예측자 함수의 결과를 로지스틱 함수에 적용하여 확률을 계산S curve 형성[0, 1]로 bound 되어있다.미분 가능하고, 0.5 부근에서 급격히 변화한다.Logistic Regression(로지스틱 회귀) Classifier가장 단순.. 2025. 3. 18. 이전 1 다음
