(TensorFlow) 18. 로지스틱 회귀

1. Logistic Regression

• 동그라미 / 세모 등을 분류 하는 등의 용도로 사용됨
• 함수의 흐름 : Linear => Logistic => Decision Boundary

2. Classification(분류)

• Exam : Pass / Fail
• 스펨메일: Not Spam / Spam
• 얼굴 인식: Real / Fake
• 위와같이 머신러닝을 하기 위해서는 두가지[0, 1]의 값이 필요
• sigmoid 함수를 사용한 뒤 0.5 보다 큰거/작은거를 분류하는 과정

3. Logistic VS Linear

• Logistic은 선을 기준으로 좌,우로 로 데이터들을 분류 하는 개념
• Linear는 데이터를 기준으로 선을 가깝게 하는 개념

4. Logistic Hypothesis

• 직선으로 표현 할수 없으면 z자형으로 그래프가 그려진다.

hypothesis = tf.matmul(X, 0) + b

5. Cost

def loss_fn(hypothis, labels):
  cost = -tf.reduce_mean(labels * tf.log(hypothesis) + (1 - labels) * tf.log(1 - hypothesis))
  return cost