COURSE
4
PROGRESS
6 / 6
단원 데이터 구조화: AI 전처리 17 데이터의 규칙: 예측 로직 14 옷의 시너스: 판단 로직 1 예와 아니오: 판단 로직 6 닮은꼴 찾기: 관계 로직 7 최적의 경로: 강화 로직 7 층층이 지능: 신경망 로직 7 전체 목록
이전 문제

다중 분류(Multi-class)의 이해

40 P
QUESTION 06 #347
두 가지만 분류하는 이진 분류를 넘어, 여러 개의 카테고리(A, B, C) 중 하나를 고르는 다중 분류 개념을 완성하세요.
main.py 
from sklearn.linear_model import LogisticRegression

# 세 종류의 붓꽃 데이터를 분류하는 예시
# 정답(y)이 0, 1, 2 세 가지 범주를 가집니다.
y_multi = [0, 1, 2, 0, 1, 2]

# 다중 분류에서도 동일한 클래스를 사용하지만 내부 로직이 확장됩니다.
model = LogisticRegression(multi_class="")

# 다중 분류의 결과를 확률로 바꿀 때는 시그모이드 대신 이 함수를 씁니다.
# 출력값의 총합이 1이 되게 만드는 함수명은?
실행 결과 예시 
multinomial, 소프트맥스
INTERACTIVE SHELL Shift + Enter 로 즉시 실행

🌈 다중 분류와 소프트맥스(Softmax)

"개인가, 고양이인가?"는 이진 분류지만, "개인가, 고양이인가, 호랑이인가?"는 다중 분류입니다.

  • 소프트맥스 함수: 각 카테고리별 점수를 확률로 바꿔줍니다.
    • 예: [개: 0.7, 고양이: 0.2, 호랑이: 0.1]
    • 이 확률을 모두 더하면 반드시 1이 됩니다.

이 중 가장 높은 확률(0.7)을 가진 "개"를 최종 정답으로 선택하는 것이 다중 분류 인공지능의 논리입니다.