Intro
- 딥러닝을 수행한다는 것
- 겉으로 드러나지 않는
미니 판단 장치
들을 이용해서 복잡한 연산을 해낸 끝에 최적의 예측 값을 내놓는 작업
로지스틱 회귀 (logistic regression)
- 참과 거짓 중에 하나를 내놓는 과정은 로지스틱 회귀의 원리를 거친다
- 로지스틱 회귀의 원리를 이용해
참, 거짓 미니 판단 장치
를 만들어 주어진 입력 값의 특징을 추출
- 이를 저장해서
모델(model)
을 만든다
- 누군가 비슷한 질문을 하면 지금까지 만들어 놓은 이 모델을 꺼내어 답을 한다
- 이게 딥러닝의 동작 원리
1. 로지스틱 회귀의 정의
- 이 점들은 1과 0 사이의 값이 없으므로 직선으로 그리기가 어렵다
- 점들의 특성을 정확하게 담아내려면 직선이 아닌 S자 형태여야 한다
- 로지스틱 회귀는 선형 회귀와 마찬가지로 적절한 선을 그려가는 과정
- 다만,
- 직선이 아닌, 참(1)과 거짓(0) 사이를 구분하는 S자 형태의 선을 그어 주는 작업
2. 시그모이드 함수 (sigmoid function)
$$
y=\frac{1}{1+e^{-(ax+b)}}
$$
-
결국 구해야 하는 값은 $ax+b$
-
a
- 그래프의 경사도를 결정
- a 값이 커지면 경사가 커지고, 작아지면 경사가 작아진다
-
b