・Odds Ratio에 자연로그를 씌어주면 위와 같은 그래프 모양이 그려진다.

・Logit함수는 위와같은 과정을 통해 변형이 되는데 이를 좀더 상세하게 보면,

 

$$Logit(p(y=1\mid x)) = \log_{e}{\frac{p}{1-p}}$$

$$= \log_{e}{(\frac{1-p}{p})^{-1}}$$

$$= -\log_{e}{\frac{1-p}{p}}$$

$$= -\log_{e}({\frac{1}{p}-1})$$

 

 

・이때, Logit함수는 p에 대해 logit y를 반환하는데, 우리가 필요한 것은 p(확률)을 반환하는 것이므로 역함수를 취하여, y에 대해 p가 반환 되도록한다.(위식에서 z를 p로 생각)

・역함수를 y에 관해 정리하면 시그모이드 함수가 반환된다.

$$y=\frac{1}{1+e^{-z}}$$

 

 

 

 

・시그모이드 함수는 어떤 z값을 넣어도 확률로 반환해주는 함수 이므로, classification에서 유용하다.

 

・이때, z가 모든 수를 대변할 수 있는지에 대한 반론이 제기 될 수 있는데,

z를 odds ratio를 이용해 위와 같이 변형하면, z = Logit함수가 되는데,

위의 Logit함수 그래프에서 알수 있듯, Logit함수는 모든 실수를 나타낼 수 있다.

'C Lang > machine learing' 카테고리의 다른 글

9-4. Logistic regression implementation with Numpy  (0) 2019.05.13
9-3. logistic regression cost function  (0) 2019.05.08
9-1. logistic regression overview  (0) 2019.05.08
8-7. sampling method  (0) 2019.05.07
8-6. polynomial regression  (0) 2019.05.06

+ Recent posts