1. 배경 Y가 연속형이 아닌 범주형일 때는 선형회귀와는 다른 방식으로 접근한다. 즉, 새로운 관측치가 왔을 때, 기존 범주 중 하나로 예측(분류 Classification) 선형회귀에서 배운 최소제곱법으로 추정하긴 어렵다. 선형회귀에선 에러가 정규분포를 따르는것과 같은 가정을 따르지 않기 때문이다. 여기서 파이(i)는 베르누이 분포에서 p(성공할 확률)로 생각하면 된다. 2. 로지스틱 회귀분석 알고리즘: Logistic(Sigmoid) 함수 단순 로지스틱 회귀모델: 입력변수 X가 1개인 로지스틱 회귀모델 하지만 여기서 B1의 해석이 중요한데 비선형결합이기 때문에 직관적이지 못하다. B1의 해석을 위해 승산(Odds)를 정의한다. 3. 승산(Odds) : 성공 확률을 p로 정의할 떄, 실패 대비 성공 확..
