<Classification>
What is Binary(Multi-class) Classification?
variable is either 0 or 1 (0: positive / 1: negative)
Exam, Spam, Face, Tumor 등의 예시는 분류 기준에 따라 0: positive / 1: negative 이분법적인 값을 가진다.
<Logistic vs Linear>
Logistic: 셀 수 있고, 흩어져있다.
Linear: 셀 수 없고, 연속적이다.
공부를 많이 할수록 합격률이 높아진다.
=> 수치형 데이터
특정 값을 넣으면 점선처럼 연속적인 그래프가 나옴
하지만 우리가 원하는 값은 세모와 네모, 이분법적이고 이산적인 그래프가 필요하다.
0과 1을 잘 표현하기 위한 이 g함수 모델을 Hypothesis라고 하면,
Hypothesis를 통해 0과 1 사이의 결과값을 얻을 수 있다.
z값이 커질수록 0에 수렴한다. 즉 1/1+0이 되므로 1을 결과로 얻을 수 있다.
그에 반해 z가 작아지면 1/1+∞가 되므로 0을 결과로 얻을 수 있다.
시그모이드 함수를 통해 연속적인 logistic functiondmf 0.5(decision boundary)를 기준으로 0.5보다 크면 1, 작으면 0이라고 두 가지 값으로 분류한다. 이를 통해 이분법적인 그래프를 얻는다.
linear인 경우, linear가 아닌 경우에도 가능하다.
특정 데이터가 들어왔을 때 네모와 세모를 구분하는 기준을 decision boundary라고 한다.
출처: https://youtu.be/XnHqv4PC0-M
모든 이미지 출처: http://bit.ly/2LQMKvk
'모두를 위한 딥러닝 시즌2 - TensorFlow' 카테고리의 다른 글
| Lab-05-3 Logistic Regression (0) | 2021.10.27 |
|---|---|
| Lab-05-2 Logistic Regression (0) | 2021.10.27 |
| Lab-04 Multi variable linear regression LAB (0) | 2021.10.27 |
| Lec-04 Multi variable linear regression (0) | 2021.10.27 |
| Lab-03 Liner Regression and How to minimize cost LAB (0) | 2021.10.27 |