💡 로지스틱 회귀가 선형 회귀와 다른 점은 무엇인가요?
수치 예측
📉 선형 회귀 (Linear Regression)
- 형태: 곧게 뻗은 직선
- 목적: 연속적인 '숫자' 맞히기
- 예시: "연습 시간"에 따른 "타율" 예측
- 결과: 타율 .250, .320처럼 연속적인 '숫자'로 나타납니다.
- 특징: 값이 무한히 커지거나 작아질 수 있어 0~1 사이의 확률을 표현하기 어렵습니다.
범주 분류
📈 로지스틱 회귀 (Logistic Regression)
- 형태: 타율을 0과 1 사이의 확률로 변환하는 굽어진 S자 곡선
- 목적: 성공할 '확률' 맞히기
- 예시: "이 선수는 3할 타자가 될까?"
- 결과: 맞다(1) 또는 아니다(0)와 같은 '분류' 결과로 나타납니다.
- 특징: 결과를 항상 0과 1 사이로 가두어, 어떤 상황에서도 '확률'로 답해줍니다.
🎓 학습 포인트:
교과서의 선형 회귀가 "얼마나 잘할까?"라는 정도를 측정한다면, 로지스틱 회귀는 "3할 타자 그룹에 추가 여부"를 결정하기 위해 '확률'을 계산하는 것입니다.