선형회귀와 로지스틱회귀의 공통점
- 모델 생성이 쉬움
- 가중치(혹은 회귀계수)를 통한 해석이 쉬운 장점이 있음
- X 변수에 범주형, 수치형 변수 둘 다 사용 가능
선형회귀와 로지스틱 분류 차이점
| 선형회귀(회귀) | 로지스틱회귀(분류) | |
| Y(종속변수) | 수치형 | 범주형 |
| 평가척도 | Mean Square Error (MSE) R Square(선형회귀만) |
Accuracy F1-Score |
| sklearn 모델 클래스 | sklearn.linear_model.linearRegression | sklearn.linear_model.LogistricRegression |
| sklearn 평가 클래스 | sklearn.metrics.mean_squared_error sklearn.metrics.r2_score |
sklearn.metrics.accuracy_score sklearn.metrics.f1_score |
전체 데이터 분석 프로세스
'스파르타 코딩클럽 > [강의] 머신러닝' 카테고리의 다른 글
| [머신러닝 심화] 데이터 분석 프로세스 - 데이터 전처리(이상치) (0) | 2024.01.31 |
|---|---|
| [머신러닝 심화] 데이터 분석 프로세스 - 데이터 수집 및 EDA (0) | 2024.01.31 |
| [머신러닝 기초] 로지스틱회귀 이론 (1) | 2024.01.30 |
| [머신러닝 기초] 선형회귀의 가정과 정리 (2) | 2024.01.30 |
| [머신러닝 기초] 다중선형회귀와 범주형 데이터 실습 (0) | 2024.01.30 |