[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,62 +2,199 @@
|
||||
id: wiki-2026-0508-logistic-regression-foundations
|
||||
title: Logistic Regression Foundations
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [ML-LOG-REG-001]
|
||||
aliases: [Logistic Regression, Logit, Softmax Regression, Multinomial Logistic]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [machine-learning, Logistic-Regression, classification, Supervised-Learning, sigmoid]
|
||||
confidence_score: 0.9
|
||||
verification_status: applied
|
||||
tags: [machine-learning, classification, sklearn, mle, calibration]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: python
|
||||
framework: scikit-learn/statsmodels
|
||||
---
|
||||
|
||||
# Logistic Regression Foundations (로지스틱 회귀 기초)
|
||||
# Logistic Regression Foundations
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "세상의 모든 질문을 '예(1)' 혹은 '아니오(0)'의 확률로 변환하여, 모호함의 경계에 명확한 선을 그어라" — 선형 회귀의 출력값을 시그모이드(Sigmoid) 함수를 통해 0과 1 사이의 확률로 변환하여 이진 분류 문제를 해결하는 가장 기본적이고 강력한 알고리즘.
|
||||
## 매 한 줄
|
||||
> **"매 분류의 baseline — 선형 logit + sigmoid + MLE"**. Logistic regression은 linear model로 log-odds를 추정하고 sigmoid로 확률화한 classifier. 해석성·calibration·속도가 뛰어나 production에서 여전히 1순위 baseline. 다중 class는 softmax(=multinomial)로 일반화.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Probabilistic Binary Classification" — 선형 결합($z = wx + b$)의 결과를 확률 공간($0 \le p \le 1$)으로 매핑하고, 임계값(Threshold)을 기준으로 데이터를 두 집단으로 나누는 확률 기반 분류 패턴.
|
||||
- **핵심 요소:**
|
||||
- **Sigmoid Function:** 어떤 실수값이든 0과 1 사이로 압축하는 비선형 함수.
|
||||
- **Decision Boundary:** 확률 0.5를 기준으로 클래스를 가르는 경계선.
|
||||
- **Binary [[Cross-Entropy Loss|Cross-Entropy Loss]]:** 예측 확률과 실제 레이블 사이의 오차를 측정하는 손실 함수.
|
||||
- **의의:** 스팸 메일 분류, 질병 유무 판별 등 수많은 이진 분류 문제의 표준 모델이며, 딥러닝 뉴런의 동작 원리를 이해하는 핵심 가교 역할.
|
||||
## 매 핵심
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 이름은 '회귀(Regression)'이지만 실제로는 '분류(Classification)'에 사용된다는 점이 초심자에게 혼란을 주나, 출력값이 확률이라는 연속적인 수치라는 점에서 통계학적 회귀의 범주에 포함됨을 이해하는 것이 중요.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 특정 행동 수행 여부(Success/Fail)를 예측하는 가벼운 판단 모듈 설계 시, 연산 효율이 극대화된 로지스틱 회귀를 우선적으로 고려함.
|
||||
### 매 수식
|
||||
- 모델: $P(y=1|x) = \sigma(x^T\beta) = \frac{1}{1+e^{-x^T\beta}}$.
|
||||
- Logit (log-odds): $\log\frac{p}{1-p} = x^T\beta$.
|
||||
- Loss (NLL/BCE): $-\sum_i [y_i\log p_i + (1-y_i)\log(1-p_i)]$.
|
||||
- 추정: MLE — closed-form 없음, IRLS / L-BFGS / SGD.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Linear-Regression-Mastery|Linear-Regression-Mastery]], [[Deep-Learning|Deep-Learning]]-Foundations, [[Loss-Functions-Foundations|Loss-Functions-Foundations]], [[Supervised-Learning-Foundations|Supervised-Learning-Foundations]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Logistic-Regression-Foundations.md
|
||||
### 매 해석
|
||||
- $\beta_j$ 1 단위 증가 → log-odds가 $\beta_j$ 만큼 증가.
|
||||
- $e^{\beta_j}$ = odds ratio (1.5면 50% odds 증가).
|
||||
- Sign과 magnitude 둘 다 의미 있음 (단, scale 통일 필수).
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
### 매 Multinomial / softmax
|
||||
- $P(y=k|x) = \frac{e^{x^T\beta_k}}{\sum_j e^{x^T\beta_j}}$.
|
||||
- sklearn `multi_class="multinomial"` (default 2026).
|
||||
- One-vs-Rest는 클래스 분포 불균형 시 유리할 수 있음.
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
### 매 Regularization
|
||||
- L2 (default): $C = 1/\lambda$.
|
||||
- L1: feature selection.
|
||||
- Elastic Net: SAGA solver.
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
### 매 Calibration
|
||||
- LR은 보통 잘 calibrated이지만 imbalanced + regularized하면 이탈.
|
||||
- 검증: `CalibratedClassifierCV`, reliability diagram.
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
### 매 응용
|
||||
1. CTR / 전환 예측.
|
||||
2. 신용 평가 (해석 필수 도메인).
|
||||
3. 의료 risk score.
|
||||
4. 텍스트 분류 (TF-IDF + LR — 강력한 baseline).
|
||||
5. A/B test의 효과 추정 (treatment dummy).
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
## 💻 패턴
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
### sklearn — 기본
|
||||
```python
|
||||
from sklearn.linear_model import LogisticRegression
|
||||
from sklearn.preprocessing import StandardScaler
|
||||
from sklearn.pipeline import Pipeline
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
clf = Pipeline([
|
||||
("sc", StandardScaler()),
|
||||
("lr", LogisticRegression(C=1.0, max_iter=1000, n_jobs=-1)),
|
||||
]).fit(X_tr, y_tr)
|
||||
proba = clf.predict_proba(X_te)[:, 1]
|
||||
```
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
### Hyper-param search (C, penalty)
|
||||
```python
|
||||
from sklearn.model_selection import GridSearchCV
|
||||
grid = {
|
||||
"lr__C": [0.01, 0.1, 1, 10],
|
||||
"lr__penalty": ["l1", "l2"],
|
||||
"lr__solver": ["saga"],
|
||||
}
|
||||
gs = GridSearchCV(clf, grid, cv=5, scoring="roc_auc", n_jobs=-1).fit(X_tr, y_tr)
|
||||
print(gs.best_params_, gs.best_score_)
|
||||
```
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
### Multinomial (softmax)
|
||||
```python
|
||||
multi = LogisticRegression(
|
||||
multi_class="multinomial", solver="lbfgs",
|
||||
C=1.0, max_iter=2000,
|
||||
).fit(X_tr, y_tr)
|
||||
print(multi.classes_, multi.coef_.shape) # (n_classes, n_features)
|
||||
```
|
||||
|
||||
### statsmodels — odds ratio + p-value
|
||||
```python
|
||||
import statsmodels.api as sm
|
||||
X_const = sm.add_constant(X_tr)
|
||||
logit = sm.Logit(y_tr, X_const).fit(disp=False)
|
||||
print(logit.summary())
|
||||
import numpy as np
|
||||
print("Odds ratios:")
|
||||
print(np.exp(logit.params))
|
||||
```
|
||||
|
||||
### Imbalanced classes
|
||||
```python
|
||||
# 1) class_weight
|
||||
LogisticRegression(class_weight="balanced")
|
||||
# 2) threshold tuning (default 0.5는 거의 항상 잘못)
|
||||
from sklearn.metrics import precision_recall_curve
|
||||
prec, rec, thr = precision_recall_curve(y_te, proba)
|
||||
f1 = 2*prec*rec / (prec+rec+1e-9)
|
||||
best_thr = thr[f1[:-1].argmax()]
|
||||
pred = (proba >= best_thr).astype(int)
|
||||
```
|
||||
|
||||
### Calibration 점검 + 보정
|
||||
```python
|
||||
from sklearn.calibration import CalibratedClassifierCV, calibration_curve
|
||||
import matplotlib.pyplot as plt
|
||||
|
||||
cal = CalibratedClassifierCV(clf, method="isotonic", cv=5).fit(X_tr, y_tr)
|
||||
prob_cal = cal.predict_proba(X_te)[:, 1]
|
||||
prob_obs, prob_pred = calibration_curve(y_te, prob_cal, n_bins=10)
|
||||
plt.plot(prob_pred, prob_obs, marker="o"); plt.plot([0,1],[0,1],"--"); plt.show()
|
||||
```
|
||||
|
||||
### From scratch — gradient descent
|
||||
```python
|
||||
import numpy as np
|
||||
def sigmoid(z): return 1.0 / (1.0 + np.exp(-z))
|
||||
def fit_lr(X, y, lr=0.1, epochs=1000, l2=0.01):
|
||||
X = np.c_[np.ones(len(X)), X]; w = np.zeros(X.shape[1])
|
||||
for _ in range(epochs):
|
||||
p = sigmoid(X @ w)
|
||||
grad = X.T @ (p - y) / len(y) + l2 * np.r_[0, w[1:]]
|
||||
w -= lr * grad
|
||||
return w
|
||||
```
|
||||
|
||||
### PyTorch — large-scale logistic
|
||||
```python
|
||||
import torch, torch.nn as nn
|
||||
class LR(nn.Module):
|
||||
def __init__(self, d, k):
|
||||
super().__init__()
|
||||
self.lin = nn.Linear(d, k)
|
||||
def forward(self, x): return self.lin(x)
|
||||
|
||||
model = LR(X.shape[1], n_classes).cuda()
|
||||
opt = torch.optim.AdamW(model.parameters(), lr=1e-3, weight_decay=1e-4)
|
||||
loss_fn = nn.CrossEntropyLoss()
|
||||
for epoch in range(20):
|
||||
for xb, yb in loader:
|
||||
opt.zero_grad()
|
||||
loss = loss_fn(model(xb.cuda()), yb.cuda())
|
||||
loss.backward(); opt.step()
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Tabular baseline | sklearn LR + StandardScaler |
|
||||
| 해석 필요 (의료/금융) | statsmodels Logit + odds ratio |
|
||||
| Imbalanced | class_weight + threshold tuning |
|
||||
| Multi-class | multinomial + lbfgs |
|
||||
| Sparse / feature selection | L1 + saga |
|
||||
| Probability를 점수로 사용 | CalibratedClassifierCV |
|
||||
| 대규모 | PyTorch SGD/Adam |
|
||||
|
||||
**기본값**: StandardScaler + LR(C=1, L2) + threshold tuning.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Supervised-Learning]], [[Classification]]
|
||||
- 변형: [[Multinomial-Logistic-Regression]], [[Probit]], [[Linear-Discriminant-Analysis]]
|
||||
- 응용: [[CTR-Prediction]], [[Credit-Scoring]], [[Risk-Models]]
|
||||
- Adjacent: [[Linear-Regression-Mastery]], [[L1-and-L2-Regularization]], [[Calibration]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 결과 해석 (odds ratio 설명), feature importance narrative, calibration plot 코멘트.
|
||||
**언제 X**: 도메인 cutoff (금융 risk threshold) — 비즈니스/규제가 결정.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Scaling 없이 regularize**: 큰 scale feature가 패널티 지배.
|
||||
- **Threshold 0.5 그대로**: imbalanced일 때 거의 잘못된 선택.
|
||||
- **Probability를 그대로 신뢰**: calibration 안 함.
|
||||
- **Multi-class에 OvR만 사용**: 클래스 간 정보 손실.
|
||||
- **수렴 안 되는데 max_iter 안 늘림**: warning 무시 → 부정확한 coef.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (ESL Ch.4, sklearn 1.5+, statsmodels 0.14, Kaggle baselines).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — calibration, threshold tuning, multinomial 추가 |
|
||||
|
||||
Reference in New Issue
Block a user