Logistic Regression

분류
회귀용 선형 모델에서는 출력 y가 특성의 선형 함수
분류용 선형 모델에서는 결정 경계가 입력의 선형 함수 - 선형 분류기는 선, 평면, 초평면을 사용해서 두 개의 클래스로 구분하는 분류기
선형 회귀는 예외적인 데이터에 너무 민감하게 반응하기 때문에 데이터를 분류하고 싶을 때 잘 사용하지 않음 (대다수 데이터 예측 실패), 결과가 범위 없이 얼마든지 크거나 작아질 수 있음 > 분류하기 부적합
로지스틱 회귀
데이터에 가장 잘 맞는 시그모이드 함수(무조건 0과 1 사이의 값 리턴) 찾기

x가 엄청나게 작아지면 0에 가까워지고 x가 엄청나게 크면 1에 가까워짐

무조건 0과 1 사이의 값이 나오는 시그모이드 함수가 분류에 적합
회귀인 이유?
리턴 값이 결국 0과 1 사이의 연속적인 값이기 때문

학습 데이터에 가장 잘 맞는 시그모이드 모양의 곡선을 찾아내는 게 로지스틱 회귀의 목적
가설함수

Odds (승산)

Odds 범위의 확장 (로지스틱 회귀의 완성)

성능평가지표 - ROC Curve & AUC