はじめに:
この章では、ロジスティック回帰について、できるだけ単純な専門用語で (必要な数学はできるだけ少なく) 説明します。何日も考えているのですが、よくわかっていないので、自分の理解と考えを記録することしかできません。(1) には勾配降下法とニュートン・ラフソンは含まれていないため、この 2 つの部分を探している場合は、次の 2 つの記事に注目してください。
1. 分類タスクとは何ですか?
スイカの本にあるスイカの問題を例にとると、私たちはスイカを買おうと思って果物屋まで歩いて行きました。スイカを選ぶには、色、根、パチパチ音などの外観の特徴によってのみ選択できます。10,000 個のスイカを購入し、色、根、パチパチ音を記録し、それからスイカを切って果肉の色と味を記録したとします。スイカを 2 つのカテゴリに分類します。甘いメロンは良いメロン (1 として記録)、甘くない悪いメロン (0 として記録) です。そして、このデータを学習者に投げ込んで学習させれば、今度果物屋にスイカを買いに行ったときに、どのスイカが良いのか (1)、どのスイカが悪いのか (0) を外部特徴によって予測できるかもしれません。これが分類タスクです。
2. ロジスティック回帰とは何ですか?
ロジスティック回帰アルゴリズムの英語名は Logistic Regression で、分類のための回帰に基づくアルゴリズムです。この記事でのロジスティック回帰では、二項分類問題 (0 または 1) について説明します。回帰ファミリーはアルゴリズムの主要なメンバーであり、単純線形回帰 (SLR)、多重線形回帰、多項式回帰など、私たちがよく知っている多くの回帰があります。たとえば、体重 (y)、運動量 (x1)、毎日のカロリー摂取量 (x2) などの人々のグループのデータがわかっているので、回帰モデルを構築して新しいサンプルの体重を予測できます。ここでの多様性