Page 22 - 006964

로지스틱 회귀도 단층 퍼셉트론과 마찬가지로 가중치 w와 바이어스 b에 따라 출력 값이 결정됩

니다. 경사하강법을 사용해 출력 값을 최적화한다는 점도 동일합니다. 경사하강법을 사용하려면
오차 함수 E를 정의해야 합니다. 로지스틱 회귀의 오차 함수 E는 로그 우도 L을 사용해 정의합
니다.

5

딥러닝
이렇게 오차 함수 E를 정의할 수 있습니다. 이제 이 오차 함수 E로 경사하강법을 적용합니다. 가
중치 w를 갱신하는 공식은 다음과 같습니다.

로지스틱 회귀는 출력 값이 0~1 사이의 값이라는 점, 즉 가중치 w의 갱신 구조만 단층 퍼셉트론
과 다릅니다.

5.1.3 다항 로지스틱 회귀

단층 퍼셉트론이나 로지스틱 회귀에서 입력 x는 다차원 벡터지만 출력은 1차원 값입니다. 다항

로지스틱 회귀(multivariable logistic regression)는 출력 y가 다차원인 로지틱스 회귀입니다. 그러나
내용이 매우 단순하고, 단지 로지스틱 회귀를 다차원의 수만큼 병렬로 실행할 뿐입니다.

203

MACHINE_05.indd 203 2018-10-25 오전 10:31:57