【機械学習】ロジスティック回帰について学ぼう！

本記事ではロジスティック回帰について説明しています。 目次は以下の通りです。

ロジスティック回帰とは？

ロジスティック回帰とは教師あり学習の分類問題の一つで、複数の説明変数から目的変数を予測する手法です。目的変数は0か1の2つの値で分類される2値分類で使われます。2値問題の例としては、「犬か猫」、「合格か不合格」などが該当します。

ロジスティック回帰で使われる関数

ロジスティック回帰で使われる関数はシグモイド関数です。シグモイド関数は2値分類で扱える関数で、式と概形は以下に示します。
$$ y=\frac{1}{1+e^{-x}} $$

上の通り、シグモイド関数は非線形関数なので、非線形回帰で用いることができる関数である。また、図から0付近と1付近の勾配が小さく、真ん中あたりで勾配が大きいことからxのほとんどのところで0に近い値か1に近い値かを出力することができます。
このことから、2値分類にも適した関数といえます。

まとめ

本記事のポイントを以下にまとめます。