AI/DL

로지스틱 회귀(Logistic Regression)

1. 이진 분류(Binary Classification) 둘 중 하나를 결정하는 문제를 이진 분류라고 한다. 그리고 이러한 이진 분류를 풀기 위한 대표적인 알고리즘으로 로지스틱 회귀가 있다. 로지스틱 회귀의 이름에는 '회귀(Regression)' 가 들어 있지만, 실제로는 분류 작업에 사용될 수 있다. 이진 분류의 가설은 H(x) = f(Wx+b) 라는 식으로 나타낼 수 있으며, 이 f 함수의 이름은 시그모이드 함수이다. 2. 시그모이드 함수(Sigmoid Function) 시그모이드 함수의 식은 사진과 같다. 특이점으로는 exp 연산을 사용했다는 것을 알 수 있다. 3. 파이토치로 로지스틱 회귀 구현하기 import torch import torch.nn as nn import torch.nn.func..

원-핫 인코딩(One-Hot encoding)

원-핫 인코딩(One-Hot encoding) 원-핫 인코딩은 선택해야 하는 선택지의 개수만큼 차원을 가지면서, 각 선택지의 인덱스에 해당하는 원소에는 1, 나머지 원소에는 0의 값을 가지도록 하는 표현 방법이다. 예를 들어 강아지, 고양이, 커피에 각각 0번, 1번, 2번 인덱스를 부여한다면 강아지 = [1,0,0] 고양이 = [0,1,0] 커피 = [0,0,1] 총 선택지는 3개였으므로 3차원의 벡터가 되었다. 이처럼 원-핫 인코딩으로 표현된 벡터를 원-핫 벡터(one-hot vector)라고 한다. 원-핫 벡터의 무작위성 원-핫 벡터는 다중 클래스 분류 문제를 풀 때 사용된다. 다수의 클래스를 분류하는 문제에서는 이진 분류처럼 2개의 숫자 레이블이 필요한 것이 아니라 클래스의 개수만큼 숫자 레이블이..