Machine learningMachine learning
로지스틱 회귀 (ML)
로지스틱 회귀는 예측 변수의 선형 함수로 이진(또는 다항) 결과의 로그 오즈를 모델링하는 기본적인 확률적 분류기입니다. 1958년 D. R. Cox가 소개한 이 방법은 통계학과 머신러닝 모두에서 가장 널리 사용되고 해석 가능한 분류 방법 중 하나로 남아 있으며, 보정된 확률 출력과 명확한 계수 해석으로 가치를 인정받고 있습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
출처
- Cox, D. R. (1958). The regression analysis of binary sequences. Journal of the Royal Statistical Society, Series B, 20(2), 215–242. DOI: 10.1111/j.2517-6161.1958.tb00292.x ↗
- James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 4). Springer. ISBN: 978-1-4614-7138-7
이 페이지 인용 방법
ScholarGate. (2026, June 3). Logistic Regression (Machine Learning Classification Model). ScholarGate. https://scholargate.app/ko/machine-learning/logistic-regression-ml
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 결정 트리머신러닝↔ compare
- 선형 회귀 (ML)머신러닝↔ compare
- 나이브 베이즈머신러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- 정규화 로지스틱 회귀머신러닝↔ compare