선형 점수는 로그 승산이고, sigmoid가 그것을 확률로 바꾼다
β₀, β₁, 입력 x를 바꾸면 선형 점수 z, 승산 eᶻ, 확률 p(x)와 곡선 위의 위치가 함께 바뀐다.
β₁은 로그 승산을 더하고 승산을 곱하지만, 확률 변화는 위치에 따라 다르다
β₀ = −4, β₁ = 1로 고정하고 출발점 x를 바꾸면 x가 1 늘 때의 승산 비는 그대로이고 확률 변화량만 바뀐다.
로지스틱 회귀(logistic regression)는 선형 점수 z = β₀ + β₁x를 sigmoid(S자 함수)로 0과 1 사이의 확률 p(x)로 바꾸고, 임계값(threshold)을 적용해 예측 범주를 정한다.
β₀, β₁, 입력 x를 바꾸면 선형 점수 z, 승산 eᶻ, 확률 p(x)와 곡선 위의 위치가 함께 바뀐다.
β₀ = −4, β₁ = 1로 고정하고 출발점 x를 바꾸면 x가 1 늘 때의 승산 비는 그대로이고 확률 변화량만 바뀐다.