Logistic Regression
머신러닝 모델은 크게 두가지로 나눌 수 있습니다. 연속된 값을 예측하는 회귀모델(Regression)과 범주형 레이블을 예측하는 분류(Classification)모델로 나눌 수 있습니다.
연속된 값을 예측하는 회귀모델로 가장 기본적인 Linear Regression 모델이 있고
분류(Classification)모델로 가장 기본적인 모델로는 Logistic Regrssion 모델이 있습니다.
이론시간에 Maximum Likelihood 같은 Logistic Regression에 필요한 이론적인 개념들을 배웠다면,
실습시간에는 데이터를 가지고 Logistic Regression 모델을 지원하는 라이브러리를 사용해서 분류 모델을 코딩해 봅니다.
그리고 분류 모델을 평가하는 방법은 회귀모델과는 차이가 있습니다. 분류 모델에 평가에 사용되는 Confusion Matrix를 배우고 지표가 되는 Auccuracy, Precision, Recall에 대한 개념을 배우고 파이썬으로 어떻게 코딩하는지 학습하는 시간을 가져 봅니다.
Logistic Regression
머신러닝 모델은 크게 두가지로 나눌 수 있습니다. 연속된 값을 예측하는 회귀모델(Regression)과 범주형 레이블을 예측하는 분류(Classification)모델로 나눌 수 있습니다.
연속된 값을 예측하는 회귀모델로 가장 기본적인 Linear Regression 모델이 있고
분류(Classification)모델로 가장 기본적인 모델로는 Logistic Regrssion 모델이 있습니다.
이론시간에 Maximum Likelihood 같은 Logistic Regression에 필요한 이론적인 개념들을 배웠다면,
실습시간에는 데이터를 가지고 Logistic Regression 모델을 지원하는 라이브러리를 사용해서 분류 모델을 코딩해 봅니다.
그리고 분류 모델을 평가하는 방법은 회귀모델과는 차이가 있습니다. 분류 모델에 평가에 사용되는 Confusion Matrix를 배우고 지표가 되는 Auccuracy, Precision, Recall에 대한 개념을 배우고 파이썬으로 어떻게 코딩하는지 학습하는 시간을 가져 봅니다.