딥러닝:이진분류 편집하기 (부분)

=== '''역사''' ===
'''퍼셉트론>아달린>로지스틱회귀'''<ref>Do it! 정직하게 코딩하며 배우는 딥러닝 입문. 77p</ref>

여러 유닛 사용하기. 위에서 본 것은 1차방정식에 대한 가중치만 보았지만... 입력값이 여러개일 때가 있다.

그런 경우엔 y=w_1*x_1 + w_2*x_2 + ...+b 형태로 다양한 입력값을 받아 예상하는 함수를 만들 수 있다. 그리고 뉴런은 이러한 입력값들을 받아 신호를 보내거나, 그렇지 않거나.. 두 가지로만 반응한다. 이렇게 여러 가지 입력을 받는 것은 성공. 그러나, 함수의 형태가 1차방정식(선형)의 형태다. x^2, x^n 형태로 반응할 때에 대해선 대응할 수가 없다. 그래서 이 방정식에 더해 활성화 함수라는 것을 사용한다. 선형방정식만 표현되는 한계를 극복하기 위해 활성화함수는 비선형 방정식을 사용하고, 모든 x^n 형태에 대해 포함하기 위해서 e^x 꼴의 함수를 사용한다. 일반적으로 로지스틱 회귀에선 [1/(1+e^-z)] 형태의 시그모이드 함수를 사용한다.

게다가, 0과 1만 판단하는 함수에서 얼마나 잘 예측하여 정답을 얻은 것인지 판단할 재료가 필요하다. 예측을 얼마나 가깝게 했는지에 따라 학습의 정도를 달리해야 하기 때문에. 또한, 시그모이드함수를 사용하면 0~1 사이의 값을 얻어 예측확률이라 해석할 수도 있다.