문제 최종 검수

선택지1

선택지2

선택지3

선택지4

정답

개념 난이도 / 선택지 난이도 / 최종 난이도

키워드

해설

비기봇 해설

정답은 1번입니다.

로지스틱 회귀분석(Logistic Regression)은 주로 이진 분류 문제를 해결하기 위해 사용되는 통계적 방법입니다. 이 모형은 종속변수가 범주형일 때, 특히 두 가지 범주로 나뉘는 경우에 적합합니다. 로지스틱 회귀는 설명변수와 종속변수 간의 관계를 확률로 표현하며, 시그모이드 함수를 사용하여 예측값을 0과 1 사이의 확률로 변환합니다.

1. 로지스틱 회귀모형의 연결함수(link function)는 시그모이드(sigmoid) 함수이다.
: 로지스틱 회귀에서 연결함수는 종속변수의 기댓값인 확률을 선형예측자와 연결해 주는 함수이며, 일반적으로 로짓 함수\\(\\log\\left(\\frac{p}{1-p}\\right)\\)를 사용합니다. 반면 시그모이드 함수는 이 로짓 변환의 역함수로서, 선형결합 값을 다시 0과 1 사이의 확률로 바꾸는 역할을 합니다. 즉, 연결함수와 역연결함수를 구분해야 하므로 시그모이드 함수를 연결함수라고 설명한 내용은 부적절합니다.

2. 로지스틱 회귀모형은 이진 분류 문제를 해결하는 데 활용될 수 있다.
: 로지스틱 회귀는 사건 발생 여부처럼 결과가 두 범주로 나뉘는 문제에서 널리 사용됩니다. 예를 들어 합격과 불합격, 구매와 비구매, 질병 유무처럼 종속변수가 이진형일 때 각 관측치가 특정 집단에 속할 확률을 추정할 수 있습니다. 따라서 이진 분류 문제에 활용된다는 설명은 로지스틱 회귀의 대표적인 적용 범위를 잘 나타낸 것입니다.

3. 로지스틱 회귀모형은 종속변수가 범주형인 경우에 사용되며, 설명변수와 종속변수 간의 관계를 확률로 표현한다.
: 로지스틱 회귀는 범주형 종속변수에 대해 설명변수의 변화가 사건 발생 가능성에 어떤 영향을 주는지를 확률 관점에서 모델링합니다. 실제 모형은 로그오즈를 선형식으로 표현하지만, 최종적으로는 각 관측치가 특정 범주에 속할 확률을 산출합니다. 따라서 종속변수가 범주형일 때 사용되며 관계를 확률로 해석할 수 있다는 설명은 적절합니다.

4. 집단 1(Y=1)에 속하는 오즈(odds)는 집단 1에 속할 확률을 집단 0에 속할 확률로 나눈 값이다.
: 오즈는 어떤 사건이 발생할 확률과 발생하지 않을 확률의 비율로 정의됩니다. 따라서 Y=1일 확률을 p라고 하면 오즈는 다음과 같이 표현됩니다. \\[\\text{odds} = \\frac{P(Y=1)}{P(Y=0)} = \\frac{p}{1-p}\\]
이는 로지스틱 회귀에서 가장 기본이 되는 개념으로, 집단 1에 속할 가능성을 집단 0과 비교한 상대적 비율이라고 이해할 수 있습니다. 따라서 이 설명은 적절합니다.

로지스틱 회귀는 범주형 종속변수, 특히 이진 분류 문제에 사용되며, 사건 발생 확률을 오즈와 로그오즈 형태로 변환하여 설명변수와의 관계를 모델링합니다. 이때 연결함수는 로짓 함수이고, 시그모이드 함수는 선형예측값을 다시 확률로 바꾸는 역변환 함수입니다. 따라서 시그모이드 함수를 연결함수라고 설명한 1번이 가장 적절하지 않습니다.

따라서, 정답은 '1. 로지스틱 회귀모형의 연결함수(link function)는 시그모이드(sigmoid) 함수이다.' 입니다.

1. 선택

키워드

해설

정답은 4번입니다.

로지스틱 회귀분석은 종속변수가 범주형일 때 사용되는 회귀분석 모형입니다. 이 모형은 독립 변수의 선형 결합을 통해 사건의 발생 가능성을 예측합니다. 로지스틱 회귀의 핵심은 시그모이드 함수, 즉 로지스틱 함수로, 이 함수는 입력값을 0과 1 사이의 확률로 변환합니다. 이때, 오즈(odds)는 사건이 발생할 확률을 발생하지 않을 확률로 나눈 값으로 정의됩니다. 로지스틱 회귀분석은 주로 이진 분류 문제에 사용되며, 종속변수의 확률을 예측하여 분류하는 데 활용됩니다.

1. 로지스틱 회귀모형의 연결함수(link function)는 시그모이드(sigmoid) 함수이다. 
: 로지스틱 회귀모형의 연결함수는 시그모이드 함수입니다. 시그모이드 함수는 입력값을 0과 1 사이의 값으로 변환하여 확률로 해석할 수 있게 합니다. 이는 로지스틱 회귀의 핵심적인 부분으로, 입력값이 증가함에 따라 출력값이 S자 형태로 변화합니다.

2. 로지스틱 회귀모형은 이진 분류 문제를 해결하는 데 활용될 수 있다. 
: 로지스틱 회귀모형은 이진 분류 문제를 해결하는 데 매우 유용합니다. 이 모형은 종속변수가 두 가지 범주로 나뉘는 경우에 적합하며, 각 범주에 속할 확률을 예측하여 분류를 수행합니다. 이는 로지스틱 회귀의 대표적인 활용 사례입니다.

3. 로지스틱 회귀모형은 종속변수가 범주형인 경우에 사용되며, 설명변수와 종속변수 간의 관계를 확률로 표현한다. 
: 로지스틱 회귀모형은 종속변수가 범주형일 때 사용되며, 설명변수와 종속변수 간의 관계를 확률로 표현합니다. 이 모형은 독립 변수의 선형 결합을 통해 종속변수의 발생 확률을 예측하고, 이를 통해 분류를 수행합니다.

4. 집단 1(Y=1)에 속하는 오즈(odds)는 집단 1에 속할 확률을 집단 0에 속할 확률로 나눈 값이다. 
: 오즈는 사건이 발생할 확률을 발생하지 않을 확률로 나눈 값입니다. 집단 1에 속하는 오즈는 집단 1에 속할 확률을 집단 0에 속할 확률로 나눈 값으로 정의됩니다. 이는 로지스틱 회귀분석에서 중요한 개념으로, 오즈비를 통해 변수의 영향력을 해석할 수 있습니다.

선지 4는 오즈의 정의를 잘못 설명하고 있습니다. 오즈는 사건이 발생할 확률을 발생하지 않을 확률로 나눈 값이 맞지만, 선지 4의 설명은 오즈의 정의를 잘못 이해한 것입니다. 나머지 선지들은 로지스틱 회귀분석의 개념과 원리를 정확히 설명하고 있습니다.
따라서, 정답은 '4. 집단 1(Y=1)에 속하는 오즈(odds)는 집단 1에 속할 확률을 집단 0에 속할 확률로 나눈 값이다.' 입니다.

2. 선택

키워드

해설

정답은 1번입니다.

로지스틱 회귀분석은 종속변수가 범주형일 때 사용되는 회귀분석 모형으로, 주로 이진 분류 문제를 해결하는 데 활용됩니다. 이 모형은 독립 변수의 선형 결합을 통해 사건의 발생 가능성을 예측하며, 결과를 확률로 표현합니다. 로지스틱 회귀의 핵심은 시그모이드 함수, 즉 로지스틱 함수로, 이 함수는 입력값을 0과 1 사이의 확률로 변환합니다. 오즈는 사건이 발생할 확률과 발생하지 않을 확률의 비율로 정의되며, 오즈비는 독립변수가 한 단위 증가할 때 오즈가 얼마나 증가하는지를 나타냅니다.

1. 로지스틱 회귀모형의 연결함수(link function)는 시그모이드(sigmoid) 함수이다. 
: 로지스틱 회귀모형의 연결함수는 시그모이드 함수로, 이는 입력값을 0과 1 사이의 확률로 변환하는 역할을 합니다. 시그모이드 함수는 S자 형태의 곡선을 그리며, 이는 로지스틱 회귀의 핵심적인 특징입니다. 따라서 이 설명은 옳습니다.

2. 로지스틱 회귀모형은 이진 분류 문제를 해결하는 데 활용될 수 있다. 
: 로지스틱 회귀모형은 이진 분류 문제를 해결하는 데 매우 적합합니다. 이는 종속변수가 두 가지 범주로 나뉘는 경우에 사용되며, 각 범주에 속할 확률을 예측합니다. 따라서 이 설명은 옳습니다.

3. 로지스틱 회귀모형은 종속변수가 범주형인 경우에 사용되며, 설명변수와 종속변수 간의 관계를 확률로 표현한다. 
: 로지스틱 회귀모형은 종속변수가 범주형일 때 사용되며, 설명변수와 종속변수 간의 관계를 확률로 표현합니다. 이는 로지스틱 회귀의 본질적인 기능으로, 확률을 통해 분류 문제를 해결합니다. 따라서 이 설명은 옳습니다.

4. 집단 1(Y=1)에 속하는 오즈(odds)는 집단 1에 속할 확률을 집단 0에 속할 확률로 나눈 값이다. 
: 오즈는 사건이 발생할 확률을 발생하지 않을 확률로 나눈 값입니다. 즉, 집단 1에 속할 확률을 집단 0에 속할 확률로 나눈 값이 오즈입니다. 이 설명은 오즈의 정의에 부합하므로 옳습니다.

선지 1은 로지스틱 회귀모형의 연결함수가 시그모이드 함수라는 설명으로, 이는 정확한 설명입니다. 따라서 이 선지는 적절하지 않은 설명이 아닙니다. 나머지 선지들은 로지스틱 회귀의 특성과 정의에 부합하는 설명들로, 모두 적절한 설명입니다.
따라서, 정답은 '1. 로지스틱 회귀모형의 연결함수(link function)는 시그모이드(sigmoid) 함수이다.' 입니다.

3. 선택

키워드

해설

4. 선택

키워드

해설

정답은 4번입니다.

로지스틱 회귀분석은 주로 이진 분류 문제를 해결하기 위해 사용되는 통계적 기법입니다. 이 기법은 종속변수가 범주형일 때, 특히 두 가지 범주로 나뉘는 경우에 적합합니다. 로지스틱 회귀의 핵심은 시그모이드 함수를 사용하여 입력 변수와 결과 간의 관계를 확률로 변환하는 것입니다. 이 확률은 특정 사건이 발생할 가능성을 나타내며, 오즈는 이 확률을 다른 사건의 확률과 비교하는 척도입니다.

1. 로지스틱 회귀모형의 연결함수(link function)는 시그모이드(sigmoid) 함수이다.
: 로지스틱 회귀모형에서 시그모이드 함수는 입력값을 0과 1 사이의 확률로 변환하는 역할을 합니다. 이는 로지스틱 함수라고도 불리며, S자 형태의 곡선을 그립니다.

2. 로지스틱 회귀모형은 이진 분류 문제를 해결하는 데 활용될 수 있다.
: 로지스틱 회귀는 이진 분류 문제에 적합합니다. 이는 두 가지 범주로 나뉘는 종속변수를 예측하는 데 사용되며, 예를 들어 스팸 메일 여부를 판단하는 데 활용될 수 있습니다.

3. 로지스틱 회귀모형은 종속변수가 범주형인 경우에 사용되며, 설명변수와 종속변수 간의 관계를 확률로 표현한다.
: 로지스틱 회귀는 종속변수가 범주형일 때 사용되며, 설명변수와 종속변수 간의 관계를 확률로 나타냅니다. 이는 사건이 발생할 확률을 예측하는 데 중점을 둡니다.

4. 집단 1(Y=1)에 속하는 오즈(odds)는 집단 1에 속할 확률을 집단 0에 속할 확률로 나눈 값이다.
: 오즈는 특정 사건이 발생할 확률을 그 사건이 발생하지 않을 확률로 나눈 값입니다. 이는 사건의 상대적 가능성을 나타내며, 로지스틱 회귀에서 중요한 개념입니다.

선지 4는 오즈의 정의를 잘못 설명하고 있습니다. 오즈는 사건이 발생할 확률을 발생하지 않을 확률로 나눈 값이 맞지만, 설명이 부정확하게 표현되었습니다. 다른 선지들은 로지스틱 회귀의 특성과 개념을 정확히 설명하고 있습니다.

따라서, 정답은 '4. 집단 1(Y=1)에 속하는 오즈(odds)는 집단 1에 속할 확률을 집단 0에 속할 확률로 나눈 값이다.' 입니다.

입력 데이터

수정 가능 범위 확인