기계 학습의 로지스틱 회귀 설명
로지스틱 회귀란 무엇입니까?
로지스틱 회귀는 기계 학습 모델의 한 유형입니다. 기계 학습 모델의 두 가지 유형(회귀 및 분류)에서 이름은 회귀 모델임을 나타내지만 분류 알고리즘입니다.
지수 함수의 일종인 로지스틱 함수에서 이름을 따왔습니다. 이 함수는 S자 곡선(시그모이드 곡선이라고도 함)이 특징입니다.
따라서 로지스틱 회귀 모델은 다음과 같이 그래프에 표시할 때 S자 모양의 곡선을 생성합니다.
그림 2: 그래프로 나타낼 때의 로지스틱 회귀 모델
로지스틱 회귀에 대한 중요한 사항은 다음과 같습니다.
R에서 로지스틱 회귀의 예
다음은 로지스틱 회귀 모델의 사용을 보여주는 R 프로그래밍 언어의 코드 스니펫입니다.
library(ggplot2)
library(cowplot)
url <- "http://archive.ics.uci.edu/ml/machine-learning-databases/heart-disease/processed.cleveland.data"
data <- read.csv(url, header=FALSE)
...
logistic <- glm(hd ~ ., data = data, family = "binomial")
...
predicted.data <- data.frame(
probability.of.hd=logistic$fitted.values,
hd=data$hd)
predicted.data <- predicted.data[
order(predicted.data$probability.of.hd, decreasing=FALSE),]
predicted.data$rank <- 1:nrow(predicted.data)
ggplot(data=predicted.data, aes(x=rank, y=probability.of.hd)) +
geom_point(aes(color=hd)) +
xlab("Index") +
ylab("Predicted probability of getting heart disease")
위의 코드 스니펫은 StatQuest with Josh Starmer 에서 가져온 것이며 이 코드의 전체 버전은 여기GitHub link에서 찾을 수 있습니다.
이제 위 코드 스니펫의 전체 버전을 실행하여 생성된 그래프는 다음과 같습니다.
그림 3: R 프로그래밍 언어를 사용하여 그래프로 나타낸 로지스틱 회귀
다음은 위의 그래프에서 주목할 만한 몇 가지 사항입니다.
data.frame
의 297명의 환자 각각이 심장 질환을 앓을 가능성을 나타내며 순위가 높을수록 심장 질환이것이 기계 학습의 로지스틱 회귀에 대한 이 블로그 게시물의 전부입니다. 도움이 되었기를 바랍니다.
결론
이 블로그 게시물을 읽어주셔서 감사합니다!
질문이나 우려 사항이 있는 경우 언제든지 이 게시물에 의견을 게시하고 시간을 찾으면 다시 연락드리겠습니다.
이 기사가 도움이 되었다면 공유하고 GitHub에서 저를 팔로우하고 저와 연결하고 제 를 구독하십시오.
Reference
이 문제에 관하여(기계 학습의 로지스틱 회귀 설명), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://dev.to/shehanat/logistic-regression-in-machine-learning-explained-3mim텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)