classification2 Ch04 분류분석(2) ▶ $\beta_{1}$의 해석 로지스틱 회귀에서 $\beta_{1}$의 의미를 해석하는 일은 쉽지 않습니다. Y가 아닌 P(Y)를 예측하기 때문입니다. 만약 $\beta_{1} = 0$라면, Y와 X 사이에 관계가 없다는 뜻입니다. 만약 $\beta_{1} > 0$일 때, X가 커지면 Y = 1일 확률도 커집니다. 만약 $\beta_{1} < 0$일 때, X가 커지면 Y = 1일 확률은 작아집니다. 얼마나 더 큰지 작은 지는 기울기에 따라 의존합니다. ▶ 계수가 중요할까? 로지스틱 회귀에서 가설 검정을 시행합니다. $\beta_{0}$, $\beta_{1}$이 0이 아니라고 확신할 수 있는지를 봅니다. 여기서는 T test 대신 Z test를 사용합니다. 그렇다고 p-value 해석하는 방법이 바뀌진 .. 2019. 9. 24. Chap02 모델정확도 평가하기(2) 오늘은 저번 시간에 이어서 학습하겠습니다. ● The Classification Setting 회귀 문제에서 MSE를 통계 학습 모델의 정확도를 평가하는 데 사용했습니다. 분류 문제에서는 error rate를 사용합니다. $Error Rate = \sum_{i=1}^{n}I(y_{i} \neq \hat {y_{i}})/n$ $I(y_{i} \neq \hat {y_{i}})$은 지시 함수(indicator function)입니다. 만약 $(y_{i} \neq \hat {y_{i}})$이 맞다면 1 그렇지 않다면 0 값을 가집니다. 따라서 error rate는 잘못된 분류 또는 오분류의 비율을 나타냅니다 ● Bayes Error Rate 베이즈 오차율은 가장 낮은 가능성의 오차율을 나타내는데, 데이터의 't.. 2019. 9. 17. 이전 1 다음
