전체 글 (34) 썸네일형 리스트형 분류모델 평가 기법 - Precision, Recall, Accuracy, F1 Score, ROC Curve 분류모델의 평가 기법설명에 대한 포스팅입니다. 선형 회귀 모델의 평가 기법에는 MSE, RMSE, MAPE 등 수치적인 평가 기법이 있는 반면 로지스틱 회귀 분석등 분류 모델의 평가 기법에는 Precision, Recall 등의 평가 방법이 있다. 각 기법 설명에 앞서 각 기법에 사용되는 지표들을 알아야 되는데 아래의 설명과 그림을 참고해서 알아보자. 이중 분류 로지스틱 회귀 분석을 예를 들어 우리의 결과 값 종속변수가 Positive와 Negative가 있을 때, 우리 모델이 예측 할수있는 결과 또한 Positive와 Negative이다. 이때 Positive와 Negative를 결정하는 구분선을 이전 포스팅에서 임계값(threshold)라고 설명 하였는데 이 값을 기준으로 이상인 값을 Positive.. 로지스틱 회귀 분석이란?? - 승산과 로짓 설명 로지스틱 회귀분석 이진 분류에 사용되는 로지스틱 회귀 분석의 설명 및 회귀 분석에 사용 되는 개념 설명입니다. 로지스틱 회귀 분석이란? 우리가 예측하려고 하는 종속변수가 연속 확률 변수가 아닌 이산 변수 혹은 명목형 변수라면 우리는 종속변수를 선택을 해야된다 즉, 독립 변수 x가 주어 졌을때 족립변수 y가 A, B중 무엇인가? 를 예측 하기 위한 회귀 분석 모델이다. 왜 로지스틱 회귀 분석을 사용해야 되는가?? 우리가 이전에 배웠던 OLS 즉, 선형회귀 분석은 독립 변수 x가 주어 졌을때 종속변수를 연속형 변수로 예측 할수 있는 모델이기 때문에 A와 B중 하나를 선택 하기엔 적합하지 않다고 볼 수 있다. 혹은 종속 변수가 이산 변수 이고 두 변수가 1과 100 이라면 독립 변수 x가 주어 질때 x의 범위.. 최대 우도 추정법 (Maximum Likelihood Estimation)에 대한 설명 최대 우도 추정법 최대 우도 추정법이란 우리가 가지 샘플(표본)으로 모집단의 평균과 분산을 추정하는 추정 방법이다. 예를 들어 전세계 사람들의 몸무게가 아래와 같이 정규 분포를 따른다고 가정해보자. 우리가 모집단의 평균 70, 표준편차가 20인것을 알고 있다면 표본을 옆집 사람의 몸무게가 70 이상인 확률은 0.5인것을 알 수가 있다. 이것이 정규 분포를 이용한 확률의 개념이다. 확률 : 우리가 모집단의 평균과 표준 편차를 알고 있고, 표본을 뽑았을때 이 표본이 특정값 사이에 있을 확률 그렇다면 반대로 우리가 모집단의 평균과 표준 편차를 모를때 모집단의 평균과 표준편차를 어떻게 추정 할 수있을까? 에 대한 해답이 바로 최대 우도 추정법이다. 즉, 최대 우도 추정법이란. 우리가 모집단의 평균과 표준편차를 .. 이전 1 2 3 4 5 6 ··· 12 다음
