11 역주 LogisticRegression의 multi_class 매개변수 기본값은 'auto'입니다. 'auto'로 설정하면 이진 분류이거나 solver ='liblinear'일 경우에 'ovr'을 선택하고 그 외에는 'multinomial'을 선택합니다.

12 역주 다른 방법으로는 np.expand_dims(X_test_std[0, :], axis=0)처럼 사용할 수 있습니다. 가장 간단한 방법은 X_test_std [0:1, :]처럼 인덱스 슬라이싱을 사용하는 것입니다.

13 역주 L 2 규제에 사용하는 식은 L 2 노름의 제곱이지만 보통 L 2 규제라고 합니다. 4장에서 L1, L 2 규제에 대해 자세히 소개합니다.

14 역주 LogisticRegression의 penalty 매개변수의 기본값이 L 2 규제를 의미하는 ‘l2’이며 ‘l1’으로 바꾸어 L1 규제를 사용할 수도 있습니다. C 매개변수의 기본값은 1.0입니다.

15 역주 multi_class='multinomial'로 지정하더라도 C 값에 따른 가중치 변화를 볼 수 있지만 다른 클래스의 영향 때문에 그림 3-9보다 복잡하고 불규칙한 그래프가 그려집니다.

16 역주 이전 절에서 소개한 슬랙 변수가 없는 경우를 하드 마진(hard-margin) 분류라고도 합니다.