다음 중 어떤 변환이 선형 분류기의 원시 모델 출력을 클래스 확률로 변환하는 데 타당하다고 볼 수 있을까요?
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
이 장에서는 분류 문제에 로지스틱 회귀와 서포트 벡터 머신(SVM)을 적용하는 기본기를 학습합니다. <code>scikit-learn</code> 라이브러리를 사용해 실제 데이터에 분류 모델을 적합해 볼 거예요.
이 장에서는 로지스틱 회귀와 SVM의 개념적 틀을 살펴봅니다. 이를 통해 모델의 내부 작동 원리를 더 깊이 이해할 수 있어요.
이 장에서는 로지스틱 회귀의 세부 내용을 파고듭니다. 정규화 전반과 모델 출력 해석 방법을 배우게 됩니다.
현재 연습
이 장에서는 서포트 벡터 머신의 세부 내용을 학습합니다. 하이퍼파라미터 튜닝과 커널을 사용해 비선형 결정 경계를 적합하는 방법을 알아봅니다.
