Python : 로지스틱 회귀

퍼셉트론(perceptron) 이진 분류에서 최적의 가중치를 학습하는 퍼셉트론 알고리즘 퍼셉트론의 구조는 선형 회귀와 유사하다. 하지만 퍼셉트론은 마지막 단꼐에서 샘플을 이진 분류하기 위하여 계단 함수(step function)을 사용한다.

계단 함수를 통과한 값을 다시 가중치와 절편을 업데이트 하는데 사용한다. 선형함수 w_1*x_1 + w_w2*x_2 + b = z 계단함수는 z가 0보다 크거나 같으면 1로, 0보다 작으면 -1로 분류한다.

아달린(Adaline) 퍼셉트론 이후 등장한 것으로 퍼셉트론을 개선한 정응형 선형 누련이다. 아달린은 선형 함수의 결과를 학습에 사용한다.

계단 함수의 결과는 예측에만 활용한다. 역방향 계산이 계단 함수 출력 이후에 일어나지 않고 선형 함수 출력이 이후에 진행된다.

로지스틱 회귀(logistic regression) 로지스틱 회귀는 아달린에서 조금더 발전한 형태 로지스틱 회귀는 선형 함수를 통과시켜 얻은 z를 임계 함수에 보내기 전에 변형시킨...