AI/Statistics
2021. 9. 6.
[통계] 로지스틱 회귀와 정규화
로지스틱 회귀 (Logistic Regression) 단순선형회귀에서 이항(binary) 종속변수에 대한 반응확률을 모형화하기 위한 방법. 1. 로짓 모형 \( \pi \)를 \( X = x \) 일 때 \( Y = 1 \)의 확률이라고 하자. 확률 \( \pi \)와 X 사이의 관계는 로지스틱 반응함수(logistic response function)으로 흔히 표현될 수 있다. 식이 쓰여있긴 하지만 주어진 S-곡선은 확률을 다음과 같이 모형화하여 재표현할 수 있다. $$ \pi = Pr(Y=1|X=x) = \frac{e^{\beta_0+\beta_1x}}{1 + e^{\beta_0+\beta_1x}} $$ 이 모형은 여러 개의 독립변수가 있는 형태로 바로 일반화 될 수 있다. $$ \pi = Pr(Y=..
![[통계] 로지스틱 회귀와 정규화](http://i1.daumcdn.net/thumb/C450x300/?fname=https://blog.kakaocdn.net/dn/bBtDfk/btrd5jTSbEK/SCnjYBJnTfZ5LtFbSeKsSk/img.png)