[머신러닝] Logistic Regression

로지스틱 회귀는 머신러닝 분류 문제의 가장 기본적인 알고리즘 중 하나로, 이진 분류(예/아니오)를 수행할 때 사용됩니다. 선형 회귀처럼 입력값에 대해 가중치를 곱해 계산하지만, 결과값은 시그모이드(Sigmoid) 함수를 거쳐 0과 1 사이의 확률 값으로 바뀝니다. 예를 들어 "이 이메일이 스팸일 확률"을 예측하고, 보통 0.5 이상이면 스팸으로 분류합니다.
수학적으로는 z = w·x + b 를 기반으로 하고, σ(z) = 1 / (1 + e^-z) 형태의 시그모이드 함수로 출력 확률을 구합니다. 손실 함수로는 Binary Cross Entropy를 사용하며, 경사하강법을 통해 w와 b를 학습합니다. Scikit-learn을 이용한 파이썬 코드 예제도 포함되어 있어 실습에도 유용한 글입니다.
이 알고리즘은 의료 진단, 금융 사기 탐지, 고객 이탈 예측, 스팸 필터링 등 다양한 분야에서 널리 사용됩니다. 직관적이고 해석이 쉬워 머신러닝 입문자에게 매우 적합한 모델입니다.

 

👉 이진 분류의 기초 모델인 **로지스틱 회귀(Logistic Regression)**에 대해 알고 싶다면 이 글을 참고하세요. 시그모이드 함수, 손실 함수, 학습 방식까지 완벽 정리되어 있습니다