Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
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 |
Tags
- 인과추론
- 누락편의
- LU분해
- residuals
- 인과 추론
- 머신러닝
- least square estimation
- 교란 변수
- 선형대수
- 예제
- Omitted Variable Bias
- 네이버 뉴스
- Python
- 단순선형회귀
- 최소제곱법
- Instrumental Variable
- 통계
- 크롤링
- causal inference
- Sharp RD
- OVB
- 사영
- 잔차의 성질
- 교란변수
- rct
- HTML
- simple linear regression
- 회귀불연속설계
- backdoor adjustment
- confounder
Archives
- Today
- Total
목록이진 분류 (1)
Always awake,

로지스틱 회귀에 대한 개념, 수식 관련 포스팅입니다 :) 통계수업에서 가장 먼저 배우는 회귀 모델은 단순 선형 회귀(Simple Linear Regression)입니다. 종속변수와 독립변수가 각각 하나씩 존재하고, 독립변수와 종속변수의 관계가 선형인 회귀 모델입니다. 해당 모델은 종속변수가 실수값을 가지는 형태이고 가장 기초적인 모델이지만, 머신러닝을 배우면서 분류(Classification)문제를 접하게되면 해당 모델을 사용할 수 없게 됩니다. 그 이유는 분류 모델에서 종속변수는 하나의 class를 나타내는 "범주형" 변수이기 때문입니다. 즉, 실수형 변수와 다르게 값의 크기와 방향이 존재하지 않는 변수인 것입니다. 이런 문제로 탄생한 분류 모델이 로지스틱 회귀(Logistic Regression)입니..
통계
2021. 10. 10. 20:44