도순씨의 코딩일지

로지스틱 회귀 참과 거짓 중에 하나를 내놓는 과정은 로지스틱 회귀의 원리를 거쳐 이루어진다. 이것을 통해 주어진 입력 값의 특징을 추출하는 것이다. 만약에 참을 1, 거짓을 0이라고 가정한다면 선을 잇는 것이 이상해보일 수도 있다. 다음의 사진을 보면 어떻게 표현해야 할 지 조금은 감이 잡힐 것이다. 로지스틱 회귀는 1과 0인 값을 이용하여 S자 형태의 선을 그려주는 작업이다. 이러한 S자 형태로 그래프가 그려지는 함수를 시그모이드(sigmoid function)이라고 한다. 시그모이드 함수의 방정식은 다음과 같다. 여기서도 우리가 구해야할 식은 ax+b라는 것을 알 수 있다. a는 그래프의 경사도를 결정한다. a의 값이 커지면 경사가 커지고 a의 값이 작아지면 경사가 작아진다. b는 그래프의 좌우 이동..

선형회귀란, 독립 변수 x와 이 독립 변수에 따라서 종속적으로 변하는 y의 움직임을 예측하고 설명하는 작업을 말한다. 그 중에서 최소 제곱법을 활용하여 최적의 기울기와 y절편을 찾을 수 있다. 선형회귀는 다음과 같이 정의될 수 있다. 이것을 코드로 구현해보면 다음과 같다. @ 코드 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 import numpy as np # x와 y 값 x = [2, 4, 6, 8] y = [81, 93, 91, 97] # x와 y의 평균값 mx = np.mean(x) my = np.mean(y) print("x의 평균값: ", mx) print("y의 평균값: ", ..

폐암 수술 환자의 생존율을 예측하는 모델을 간단하게 실행해보도록 하자. @ 코드 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 # 필요한 keras 함수 import from keras.models import Sequential # 레이어를 선형으로 구성하여 연결 from keras.layers import Dense # 보통의 밀집 연결 신경망 레이어 # 필요한 라이브러리 import import numpy import tensorflow as tf import os os.environ['KMP_DUPLICATE_LIB_OK']='True' # 실행할 때마다 같은 결과를 출력하기 위..