패스트캠퍼스 강필성의비즈니스분석 30일 도전 챌린지! 21일차

23.03.12

#패스트캠퍼스 #패캠챌린지 #수강료0원챌린지 #환급챌린지 #직장인인강 #직장인자기계발#패캠인강후기 #패스트캠퍼스후기 #오공완 #강필성의비즈니스데이터분석

우아아아아 벌써 21일차 믿을 수 없다. 9일만 더하면 이제 끝 ~! ~! 이거 끝나면 건강 좀 챙기고 쉬다가 닷 ㅣ또 하나 공부해야지. 

---

1. 다층 퍼셉트론

-문제를 한꺼번에 풀지않고 풀 수 있는 형태의 문제 여러개로 나누어서 풀기. 활성함수를 여러개 사용하는 퍼셉트론/ 

- 예측력이 우수하다.

 : 분류 경계면을 여러 직선들의 집합으로 가정하면 로지스틱 회귀분석, 의사결정나무, 인공신경망의 특징

- 분류 경계면 생성에 있어 가장 인공신경망 자유도가 높다.

 

기초구조

 

: 1개의 은닉층을 가진 Feed-forward Neural Network (회귀)

 개별 은닉노드가 하는 역할은 퍼셉트론과 동일하며 출력노드의 결과값은 은닉노드의 결과값을 선형결합하며 생성

 

: 1개의 은닉층을 가진 Feed-forward Neural Network (회귀)

 개별 은닉노드가 하는 역할은 퍼셉트론과 동일하며 출력노드들은 은닉노드의 정보를 취합한 뒤 비선형결합하며 생성(Softmax함수 사용)

- One Hot Encoding :여러 기법 중 단어를 표현하는 가장 기본적인 표현 방법. 원-핫 인코딩은 단어 집합의 크기를 벡터의 차원으로 하고, 표현하고 싶은 단어의 인덱스에 1의 값을 부여하고, 다른 인덱스에는 0을 부여하는 벡터 표현 방식

 

 

별첨_참조 자료

 

1. 다층 퍼셉트론

: 다층퍼셉트론은 입력층과 출력층 사이에 하나 이상의 중간층이 존재하는 신경망

 -네트워크는 입력층, 은닉층, 출력층 방향으로 연결되어 있고, 각 층내의 연결과 출력층에서 입력층으로 직접적 연결이 없음 -- > 전방향(feedforward) 네트워크 또는 순전파

 다층퍼셉트론은 단층 퍼셉트론과 유사한 구조를 가지지만, 중간층과 각 구성단위의 입출력 특성을 비선형으로 하여 네트워크 능력을 향상시켜 퍼셉트론의 단점들을 극복함 

동작원리: 다층퍼셉트론은 은닉층과 출력층에 존재하는 활성 함수와 가중치가 여러개

1. 각 층에서의 가증치를 임의의 값으로 설정한다. 보통 0으로 설정하게 되는데, 각 층에서 바이어스 값은 1로 설정한다.
2. 하나의 트레이닝 데이터에 대해 각 층에서 순입력 함수값을 계산하고 최종적으로 활성 함수에 의한 출력값을 계산한다.
3. 출력층의 활성 함수에 의한 결과값과 실제값이 허용오차 안에 들도록 각층에서 가중치를 변경한다.
4. 모든 트레이닝 데이터에 대해서 출력층의 활성 함수에 의한 결과값과 실제값이 허용오차안에 들면 학습을 종료한다.

---

 

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.

http://bit.ly/3Y34pE0