Page 19 - 006964

4장에서는 대표적인 머신 러닝 알고리즘을 소개했습니다. 대부분 입력 데이터를 몇 가지 카테고

리로 분류하는 알고리즘이었습니다. 이 장에서는 최근 화제인 딥러닝의 성능을 소개하고, 지금까
지 배운 머신 러닝 알고리즘을 되짚어 보면서 어떤 차이가 있는지 설명합니다.

5.1 단층 퍼셉트론과 친구들
M A CH IN E L EA R N IN G FO R DA T A AN A L YS I S

우선 단층 퍼셉트론에 대한 복습부터 시작합시다. 서포트 벡터 머신 등 많은 머신 러닝 알고리즘이
단층 퍼셉트론 이론을 바탕으로 발전해 왔습니다. 딥러닝으로 가는 길도 모두 여기서 시작됩니다.
이 절에서는 단층 퍼센트론을 확장한 로지스틱 회귀, 다항 로지스틱 회귀 알고리즘을 설명합니다.

5.1.1 단층 퍼셉트론 복습하기

먼저 단층 퍼셉트론을 간단히 복습하겠습니다. 단층 퍼셉트론은 다차원의 벡터 x를 입력으로 하
고, 1차원 이진 값 y를 출력하는 머신 러닝 알고리즘입니다. 알고리즘은 가중치 w와 바이어스 b,
그리고 입력 x를 사용해 계산한 값을 바탕으로 0과 1 중 하나를 y 값으로 결정합니다.

그림 5‑1 단층 퍼셉트론의 개념도

입력 출력
x1
w
x2 w11
w
w22
x3 w y = 0 or 1 정답
w33
w
wnn
……
오차 함수 E
xn
가중치 갱신

인 경우

그 밖의 경우

200

MACHINE_05.indd 200 2018-10-25 오전 10:31:56