로지스틱 회귀(Logistic Regression) 💡 회귀를 사용하여 데이터가 어떤 범주에 속할 확률을 0에서 1 사이의 값으로 예측하고 그 확률에 따라 가능성이 더 높은 범주에 속하는 것으로 분류해주는 지도 학습 알고리즘이다. 예) 시험에 합격한 경우와 불합격한 경우 병에 걸린 경우와 걸리지 않은 경우 ⇒ 두개의 선택지 중에서만 선택할 수 있다. 확률이 음과 양의 방향으로 무한대까지 뻗어 가는 선형회귀의 문제점을 해결한다. 장점 계산 비용이 적고, 구현하기 쉬우며 결과 해석을 위한 지식 표현이 쉽다. 단점 Underfitting(언더피팅) 경향이 있어 정확도가 낮게 나올 수도 있다. 시그모이드 함수(Sigmoid Function) 💡 확률을 0에서 1사이로 커브 모양으로 나타낼 수 있게 해주는 함수이..
