ロジスティック回帰の loss は何を表しているのかを自分なりに整理する
Qiita / 2026/3/22
💬 オピニオンIdeas & Deep AnalysisTools & Practical Usage
要点
- ロジスティック回帰のlossは、予測確率と実際のラベルとの不一致を測る指標で、通常はその対数尤度の負の形として定義される。
- このlossを最小化することは、モデルの予測確率を真のクラスに近づけることを意味し、出力は0-1ではなくクラス所属の確率として解釈できる。
- 二項ロジスティック回帰では、lossは負の対数尤度（クロスエントロピー）であり、勾配降下などの最適化アルゴリズムを通じてパラメータが更新される。
- データの難易度やクラス不均衡、正則化の有無などでlossのスケールが変化するため、適切な評価と正則化が重要になる。
ロジスティック回帰の loss は何を表しているのかを自分なりに整理する
はじめに
前回は、Kaggle の Titanic をロジスティック回帰で整理しながら、
二値分類としてどう書けるか
確率をどう出しているか
交差検証をどう考えるか
をまとめた。
その中で、自...
この記事の続きは原文サイトでお読みいただけます。
原文を読む →
