𝄢 𝄢

[이진 분류문제에서 MLE 를 사용하는 이유] 로지스틱 회귀 모델에서 0과 1사이의 확률 ($q$) 을 예측하여 강아지와 고양이를 분류를 한다고 하자. 예를 들어 모델이 강아지를 예측하도록 하려고 한다면, 로지스틱 회귀 모델의 출력값인 강아지일 확률 $q$ 를 키우는 것이 학습의 목적이다. 반대로 고양이를 예측하려면, 로지스틱 회귀 모델은 고양이일 확률 $1-q$ 를 키우려고 할 것이다. 확률값 q는 입력값$\times $가중치에 시그모이드를 거쳐 계산된 값이므로 가중치 w에 대한 함수로도 볼 수 있다. 이때 모델의 가중치 w를 추정하기 위해서 최대우도추정 기법을 사용한다. 즉, q 또는 1-q를 최대로 만드는 가중치 w를 찾고자 하는 것이 MLE 기법이다. (강아지면 $q$ , 고양이면 $1-q$ 를 ..