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
- least square estimation
- 잔차의 성질
- 누락편의
- HTML
- 교란변수
- 인과 추론
- 머신러닝
- causal inference
- rct
- 예제
- 교란 변수
- 사영
- 크롤링
- Omitted Variable Bias
- 단순선형회귀
- simple linear regression
- Instrumental Variable
- 네이버 뉴스
- confounder
- residuals
- backdoor adjustment
- 선형대수
- OVB
- 최소제곱법
- LU분해
- Sharp RD
- Python
- 인과추론
- 회귀불연속설계
- 통계
Archives
- Today
- Total
목록회귀 (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