본 게시물은 UDEMY 강좌 '딥러닝의 모든 것 with Python, Tensorflow, Pytorch'를 학습하고 요약한 게시물입니다.
- 강좌 URL : https://www.udemy.com/course/best-artificial-neural-networks/
※ 본 레슨에서는 훈련은 이미 되었다는 가정하에 실제 애플리케이션에만 집중할 것임
> 은닉층이 없는 간단한 신경망 예시 (예시 : 집 값 예측)
- 입력변수에 시냅스에 의해 가중치가 부여되어서 출력층이 계산됨
- 출력값을 얻을 때, 지금 사용하고 있는 함수를 쓸 수도 있고, 활성화 함수를 쓸 수도 있고, 로지스틱회귀 공식 또는 제곱함수 등을 쓸 수도 있음. 요점은 출력값을 얻는다는 것
- 위의 상태만으로는 이미 대부분의 머신러닝 알고리즘에서 사용할 수 있는 상태이며, 신경망은 은닉층을 통해 많은 유연성과 기능을 얻을 수 있는 장점이 있음
> 은닉층이 있는 신경망 작동 방식 (예시 : 집 값 예측)
| 핵심 논리 |
| 모든 입력값이 모든 뉴런에 중요하지는 않다. 이에, 시냅스들의 가중치들은 어떤 값은 0이고, 어떤 값은 유효하다. |
예를들어, 위의 예시가 의미하는 것은 면적과 도시까지의 거리는 중요하지만 침실의 수와 연식은 중요하지 않다는 것 → 지금 이 상황에서는 도시에서는 그렇게 멀지 않은 지역이지만 커다란 부지가 있는 부동산을 찾고 있는 것으로 추정 가능
이 신경망이 훈련된 특정 도시/교외에서는 많은 가족이 둘 이상의 아이가 있고 침실은 많지만, 최근에 만들어진 면적이 큰 부동산을 찾고 있음 → 신경망이 이 매개변수 세 가지를 조합해서 부동산 평가에 도움이 되는 새로운 매개변수로 만든다. 여기에서 신경망의 힘이 나오는 것
이 뉴런은 예를들면 어느정도의 연식을 넘어서면 역사적인 건물이 되어 가치가 높아지는 현상을 나타낸다.
각각의 뉴런들 자체로는 가격을 예측할 수 없지만, 함께라면 시너지가 생겨 가격을 예측할 수 있음
