본문 바로가기

로지스틱 회귀

(3)

4장 분류하는 뉴런 만들기-이진분류 (3) 4-6 로지스틱 회귀 뉴런으로 단일층 신경망 만들기 - 일반적인 신경망 입력층(input layer), 은닉층(hidder layer), 출력층(output layer) - 단일층 신경망 - 확률적 경사 하강법, 배치 경사 하강법 - 단일층 신경망 클래스 class SingleLayer: def __init__(self): self.w = None self.b = None self.losses = [] def forpass(self, x): z = np.sum(x * self.w) + self.b # 직선 방정식 계산 return z def backprop(self, x ,err): w_grad = x *err # 가중치에 대한 그레이디언트 계산 b_grad = 1 *err # 절편에 대한 그레이디언트 ..

4장 분류하는 뉴런 만들기-이진 분류 (2) 4-4 분류용 데이터 세트 준비 - 유방암 데이터 세트 준비하기 1. load_breast_cancer() 함수 호출하기 from sklearn.datasets import load_breast_cancer cancer = load_breast_cancer() 2. 입력 데이터 확인하기 print(cancer.data.shape, cancer.target.shape) ##출력: (569, 30) (569,) 3. 박스 플롯으로 특성의 사분위 관찰하기 cancer.data[:3] ##출력 array([[1.799e+01, 1.038e+01, 1.228e+02, 1.001e+03, 1.184e-01, 2.776e-01, 3.001e-01, 1.471e-01, 2.419e-01, 7.871e-02, 1.095..

4장 분류하는 뉴런 만들기-이진 분류 (1) 4-1 초기 인공지능 알고리즘과 로지스틱 회귀 - 퍼셉트론 마지막 단계에서 샘풀을 이진 분류하기 위하여 계단함수를 사용 - 아달린 적응형 선형 뉴런 -로지스틱 회귀 마지막 단계에서 임계 함수를 사용하여 예측을 수행 4-2 시그모이드 함수로 확률 만들기 - 시그모이드 함수 출력값z를 0~1 사이의 확률값으로 변화시켜주는 역할로, 시그모이드를 통과한 값 a가 0.5 이상이면 양성 클래스, 이하면 음성 클래스 - 오즈 비(odds ratio) 성공 확률과 실패 확률의 비율을 나타내는 통계 - 로짓 함수(logit function) 오즈 비에 로그 함수를 취하여 만든 함수 - 로지스틱 함수 시그모이드 함수 - 로지스틱 회귀 정리 4-3 로지스틱 손실 함수 경사 하강법에 적용 로지스틱 회귀와 같은 분류의 목표는 ..

이전 1 다음

티스토리툴바