Logistic Classification의 가설 함수 정의

Binary Classification

둘 중에 한개를 고르는 것

• Spam Detection : 스팸인지 아닌지
• Facebook Feed : show or hide (재밌고 신나는 내용들, 내가 관심있어할 만한 것들만 골라서 나한테 보여준다.)
• 주식시장에서 이전의 시장 동향을 학습해서 지금 내가 가진 것들을 팔지 안팔지 판단

0, 1 encoding

• Spam Detection : Spam(1) or Ham(0)
• Facebook feed : show(1) or hide

예시 - Pass(1) / Fail(0) based on study hours

Linear Regression처럼 직선 형태의 함수를 쓰게 되면, 처음 케이스(X X X , O O O)에서는 가운데에 0.5 쯤 되는 점에 선이 그어지면 pass, fail을 잘 판단할 수 있다. 그렇지만 만약 50시간 공부한 애가 pass 했다라고 하면 직선의 기울기가 바뀌어야 한다.(값이 0 ~ 1 사이니까) 그렇게 되면 0.5 기준선이 옮겨져서 pass 인 사람을 fail 이라고 잘못 판단할 수 있다.

Linear Regression 에서 쓰는 가설 H(x) = Wx + b이 간단하긴 한데 이것을 0에서 1 사이의 값을 가지는 어떤 함수로 쓰기 위해서 나온 함수가 g(z)이다. Sigmoid 또는 Logistic function 이라고도 한다.

Z값이 계속 커지면 1에 가까워지고, 작아지면 0에 가까워진다.

Z = Wx

H(x) = g(z)

Logistic Classification의 가설 함수