The optimal values of each of the c

The optimal values of each of the coefficients of the equation (in this case, β 0 , β 1 , β 2 , and β 3 )
are learned from the 1000 training data examples.
When we can expresses the relationship between inputs and outputs in a formula like the
one above, predicting the output (y) from the inputs (Credit Line, Education Level, and Age) is
pretty easy. All we have to do is figure out what values of β 1, β 2, and β 3 yield the best result using
our historical data.
However, when the relationship between the inputs and the response are complicated,
models such as logistic regression can be quite limited. Take the data set in the left-hand
panel of Figure 1.6 for example. Here, there are two input features and the task is to classify
each data point into one of two classes. The two classes are separated, in the two-dimensional
feature space, by a non-linear curve, the decision boundary. In the center panel, we see the
result of fitting a logistic regression model on this data set. The logistic regression model
comes up with a straight line that separates the two regions, resulting in many classification
errors (points in the wrong region).

결과 (한국어) 1:

최적의 값 (이 경우에, β 0, β 1, 2, β β 3) 방정식의 계수의 각각의1000 훈련 데이터 예제에서 배운 있습니다.입력 간의 관계를 표현 할 때 우리가 할 수 있는 고 출력 수식 처럼는하나, 위의 예측 (신용 라인, 교육 수준, 및 나이) 입력에서 출력 (y)아주 쉬운. 우리가 해야 할 1 β, β 2와 β 3의 값 사용 하 여 최고의 결과 얻을 밖으로 그림은우리의 역사적 데이터입니다.그러나, 입력과 응답 사이 관계는 복잡 한,로지스틱 회귀 모델은 매우 제한 될 수 있습니다. 왼쪽에 데이터 세트를가지고패널의 예 1.6 그림. 여기, 두 가지 입력된 기능 및 작업을 분류 하는두 클래스 중 하나로 각 데이터 포인트입니다. 두 클래스는 2 차원에서 분리 되어기능 공간, 비-선형 커브, 결정 경계에 의해. 중앙 패널에서 우리 보고는이 데이터 집합에는 로지스틱 회귀 모델 피팅의 결과입니다. 로지스틱 회귀 모델많은 분류 결과 두 영역을 구분 하는 직선으로 다가와오류 (잘못 된 지역에 점)입니다.

결과 (한국어) 2:

(1 β 0 β이 경우, 2, β, 및 3 β) 식의 계수들 각각의 최적 값은
1000 훈련 데이터 예. 배운되는
우리의 입력과 출력 간의 관계를 나타내고있다 같은 식
입력 (자료 제공, 교육 수준, 연령별)의 출력 (y)를 예측 위의 하나이며,
매우 쉽다. 우리가 할 일은 3 수율 최상의 결과 사용 2 β 및 β β 1의 값을 알아낼 것입니다
우리의 과거 데이터를.
입력과 응답 사이의 관계가 복잡 그러나,
같은 로지스틱 회귀 등의 모델이 될 수 매우 제한. 왼쪽에 설정된 데이터를 가지고
예를 들어 그림 1.6의 패널을. 여기서, 두 가지 특징은 입력 및 태스크 분류하는
두 부류 중 하나에 각각의 데이터 포인트. 두 클래스는 2 차원으로 분리
비선형 곡선 결정 경계에 의해 특징 공간. 중앙 패널에서, 우리는 볼
이 데이터 세트에 로지스틱 회귀 모델을 피팅의 결과입니다. 로지스틱 회귀 모델은
여러 분류의 결과로, 두 영역을 구분하는 직선으로 등장
오류 (잘못된 지역 점).