로지스틱 회귀

Python으로 배우는 확률 기초

Alexander A. Ramírez M.

CEO @ Synergy Vision

원본 데이터

공부 시간 vs 점수 데이터

합격/불합격 테스트 플롯

경계선 어디에 그릴지 애니메이션 플롯

모델로 확률 계산

로지스틱 함수 플롯

$$ logistic(t) = logistic(slope*x + intercept) $$

기울기 파라미터가 시그모이드를 가파르게 만드는 애니메이션

절편 파라미터 시그모이드 함수 플롯

로지스틱 모델로 확률 계산

로지스틱 모델 결과 플롯

확률 계산과 오분류

# Import LogisticRegression
from sklearn.linear_model import LogisticRegression

# sklearn logistic model
model = LogisticRegression(C=1e9)
model.fit(hours_of_study, outcomes)

# Get parameters
beta1 = model.coef_[0][0]
beta0 = model.intercept_[0]

# Print parameters
print(beta1, beta0)

(1.3406531235010786, -15.05906237996095)

hours_of_study_test = [[10]]

outcome = model.predict(hours_of_study_test)
print(outcome)

array([False])

$$ $$

# Put value in an array
value = np.asarray(9).reshape(-1,1)
# Calculate the probability for 9 hours of study
print(model.predict_proba(value)[:,1])

array([0.04773474])

Python으로 배우는 확률 기초