넘스탯
DATA ANALYTICS & INSIGHTS
확률에서 LLM까지 – 데이터 사이언스 전문 교육 플랫폼
도움말
로지스틱 회귀 실습
이 실습에서 배우는 것
로지스틱 회귀를 사용하여 실제 데이터로부터 예측 모델을 만드는 과정을 체험합니다. 다양한 하이퍼파라미터가 모델 성능에 미치는 영향을 직접 확인하고, 머신러닝의 핵심 개념인 분류 알고리즘의 작동 원리를 이해할 수 있습니다.
실습 설정
데이터셋 선택
고객 이탈 예측
연령과 사용기간을 기반으로 고객 이탈 여부 분류학습률: 0.01
모델이 학습할 때 얼마나 큰 보폭으로 개선할지 결정합니다.낮으면 안정적이지만 느리고, 높으면 빠르지만 불안정할 수 있습니다.최대 반복: 1000
모델이 학습을 반복할 최대 횟수입니다.적으면 학습이 부족하고, 많으면 정확도는 높아지지만 시간이 오래 걸립니다.정규화: 0
모델의 과적합을 방지하는 기법입니다.0이면 정규화 없음, 높을수록 단순한 모델이 되어 일반화 성능이 향상됩니다.시각화 옵션
학습 과정을 실시간으로 관찰할 수 있습니다. 모델이 어떻게 점진적으로 개선되는지 시각적으로 확인하세요.모델 훈련 시작하기
설정한 파라미터로 로지스틱 회귀 모델을 훈련합니다. 훈련이 완료되면 성능 지표와 학습 과정을 확인할 수 있습니다.
데이터 시각화
Class 0: 미이탈 고객
Class 1: 이탈 고객