Difference between r1.7 and the current
@@ -5,10 +5,14 @@
이유는 linear regression 식은
$w_1x_1+w_2x_2+\ldots+w_nx_n=y$ (w,,n,,: [[계수,coefficient]]: [[가중값,weight]])
이렇게 선형이다.
그런데 logistic regression은 여기에 [[시그모이드함수,sigmoid_function]]를 하나 더하기 때문에$w_1x_1+w_2x_2+\ldots+w_nx_n=y \rightarrow \text{(sigmoid function)} \rightarrow z$
$z=\frac1{1+e^{-y}}$
선형이 아님.
i.e. logistic regression model은 nonlinear model이다.
따라서 일반적인 [[심층학습,deep_learning]]도 마찬가지임.
----
// from ㅎㅈ 3-1 6m
선형모형,linear_model
ex.
선형회귀,linear_regression <- 선형모델임.
로지스틱회귀,logistic_regression <- 선형모델이 아님. 비선형모델,nonlinear_model임.
ex.
선형회귀,linear_regression <- 선형모델임.
로지스틱회귀,logistic_regression <- 선형모델이 아님. 비선형모델,nonlinear_model임.
이유는 linear regression 식은
이렇게 선형이다.
그런데 logistic regression은 여기에 시그모이드함수,sigmoid_function를 하나 더하기 때문에
i.e. logistic regression model은 nonlinear model이다.
이렇게 선형이다.
그런데 logistic regression은 여기에 시그모이드함수,sigmoid_function를 하나 더하기 때문에
$\displaystyle w_1x_1+w_2x_2+\ldots+w_nx_n=y \rightarrow \text{(sigmoid function)} \rightarrow z$
$\displaystyle z=\frac1{1+e^{-y}}$
선형이 아님.$\displaystyle z=\frac1{1+e^{-y}}$
i.e. logistic regression model은 nonlinear model이다.
따라서 일반적인 심층학습,deep_learning도 마찬가지임.
// from ㅎㅈ 3-1 6m
{
모집단,population 에서의 실제 $\displaystyle f()$ 가 선형성,linearity을 갖고 있다고 가정
{
모집단,population 에서의 실제 $\displaystyle f()$ 가 선형성,linearity을 갖고 있다고 가정
- 선형회귀,linear_regression 모델: 회귀,regression 문제에 적용 // linear_model / linear_regression_model
- 로지스틱회귀,logistic_regression 모델: 분류,classification 문제에 적용 // logistic_model / logistic_regression_model