이진 로지스틱 회귀: 개요, 기능 및 가정

머신 러닝에 대해 가장 많이 받아들여지는 정의 중 하나는 다음과 같습니다.

"컴퓨터 프로그램은 P로 측정되는 T의 작업 성능이 경험 E와 함께 향상되는 경우 작업 T 및 성능 측정 P의 일부 클래스와 관련하여 경험 E로부터 학습한다고 합니다."

이제 동일한 클래스의 작업에서 시간이 지남에 따라 기계의 성능을 개선하기 위해 다양한 알고리즘을 사용하여 기계의 출력을 최적화하고 원하는 결과에 더 가깝게 만듭니다. 회귀 분석은 기계의 성능을 향상시키기 위해 가장 기본적이고 가장 많이 사용되는 기술 중 하나입니다.

하나 이상의 예측 변수 값을 기반으로 연속 출력 변수를 예측하는 일련의 기계 학습 기술로 구성됩니다. 회귀 분석은 연속 변수를 예측 변수의 함수로 정의할 수 있는 수학 방정식을 개발하는 것을 목표로 합니다.

이전 기사 중 하나에서 로지스틱 회귀와 Python에서 로지스틱 회귀를 구현하는 방법을 살펴보았습니다. 우리는 또한 기계 학습에서 세 가지 다른 종류의 로지스틱 회귀에 대해 간략하게 이야기했습니다. 이 기사에서는 개요, 기능 및 가정과 함께 이진 로지스틱 회귀에 대해 약간 자세히 살펴보겠습니다.

이진 로지스틱 회귀 분석 개요

이항 또는 이항 로지스틱 회귀는 종속 변수에 대해 관찰된 결과가 이진으로만 있을 수 있는 시나리오를 처리하는 로지스틱 회귀의 유형으로 이해될 수 있습니다. 즉, 두 가지 가능한 유형만 가질 수 있습니다. 이 두 가지 유형의 클래스는 0 또는 1, 합격 또는 불합격, 사망 또는 생존, 승 또는 패 등이 될 수 있습니다.

다항 로지스틱 회귀 분석은 결과가 특정 순서가 아닌 두 가지 이상의 가능한 유형(질병 A 대 질병 B 및 질병 C)을 가질 수 있는 시나리오에서 작동합니다. 로지스틱 회귀의 또 다른 유형은 순서가 있는 방식으로 종속 변수를 처리하는 순서 로지스틱 회귀입니다.

이진 로지스틱 회귀 분석에서 가능한 출력은 일반적으로 0 또는 1로 정의됩니다. 그 결과 회귀 모델을 가장 직관적으로 해석하고 이해할 수 있기 때문입니다. 종속변수에 대한 특정 결과가 성공 또는 주목할 만한 결과이면 0으로 코딩하고, 실패하거나 실패하면 0으로 코딩합니다.

간단히 말해서 이진 로지스틱 회귀를 사용하여 예측 변수 또는 독립 변수의 값을 기반으로 케이스가 될 확률을 신중하고 정확하게 예측할 수 있습니다.

이진 로지스틱 회귀 분석의 기능 - 답변할 수 있는 질문 유형

위에서 언급했듯이 이진 로지스틱 회귀는 출력이 두 클래스 또는 그룹 중 하나에 속할 수 있는 시나리오에 이상적으로 적합합니다. 결과적으로 이진 로지스틱 회귀는 다음과 같은 성격의 질문에 답하는 데 가장 적합합니다.

• KG가 추가될 때마다 암에 걸릴 확률이 달라지나요? 과체중인가요?
• 하루에 피우는 담배 한 갑마다 해당 확률이 달라지나요?
• 체중, 지방 섭취, 칼로리 섭취, 나이가 심장마비 발병 확률에 영향을 줍니까?

보시다시피 위의 세 가지 질문 모두에 대한 대답은 예 또는 아니오, 0 또는 1일 수 있습니다. 따라서 이진 로지스틱 회귀를 사용하여 이러한 질문에 정확하게 답할 수 있습니다.

이진 로지스틱 회귀의 주요 가정

다른 기계 학습 알고리즘과 마찬가지로 이진 로지스틱 회귀도 몇 가지 가정에서 작동합니다. 다음은 다음과 같습니다.

• 종속 변수는 이분법적입니다. 즉, 존재하거나 부재하지만 결코 동시에 두 가지가 아닙니다.
• 데이터에 이상치가 없어야 합니다.
• 서로 다른 예측 변수 간에 높은 상관 관계나 다중 공선성이 없어야 합니다. 이것은 서로 다른 예측 변수 간의 상관 행렬을 사용하여 평가할 수 있습니다.

결론적으로

이진 로지스틱 회귀는 많은 기계 학습 사용 사례에서 도움이 됩니다. 대출 불이행자를 파악하는 것부터 기업이 고객을 유지하도록 지원하는 것까지 - 이진 로지스틱 회귀 분석은 더 복잡한 비즈니스 문제를 해결하기 위해 확장될 수 있습니다. 그러나 이것은 기계 학습 알고리즘 기술의 바다 중 하나일 뿐입니다. 회귀 분석을 마스터하면 더 복잡하고 미묘한 주제를 다룰 수 있습니다.

그러나 여전히 회귀 분석을 이해하고 기계 학습 여정을 시작하는 데 어려움을 겪고 있다면 기계 학습 과정 목록을 추천합니다 . upGrad에는 전 세계적으로 40,000명 이상의 유료 학습자가 있는 85개 이상의 국가에 학습자 기반이 있으며 우리 프로그램은 500,000명 이상의 실무 전문가에게 영향을 미쳤습니다.

리버풀 존 무어스 대학교(Liverpool John Moores University)와 공동으로 제공 하는 기계 학습 및 인공 지능 과학 석사는 학습자가 처음부터 시작하여 실제 프로젝트에서 작업하기에 충분한 학습을 ​​습득할 수 있도록 설계되었습니다. 우리의 360도 직업 지원은 당신이 업계 최고의 역할을 맡을 수 있도록 완벽하게 준비되도록 보장합니다. 그러니 지금 저희에게 연락하여 동료 학습 및 글로벌 네트워킹의 힘을 경험하십시오!