[ML / Andrew Ng] Neural Networks - Motivations

이전 강의까지는 linear regression과 logistic regression을 배웠습니다. 하지만 위와 같이 데이터가 분포하는 경우는 non-linear regression이 필요하게 됩니다. 이런 경우를 logistic regression을 이용해서 해결할 수도 있겠지만 위 그림에서 보이듯이 변수가 x1, x2밖에 없어도 x1x2, x1^2 이 생기는 등 단 2개의 변수만으로 수 없이 많은 feature이 생기는 것을 확인할 수 있습니다. 이렇게 되면 약 100개의 feature이 주어졌지만 연산으로 넘어가면 5000 feature 이상이 있는것처럼 보여집니다. 이 외에도 이전 강의에서 봤던 overfitting 문제도 있어 다른 모델이 필요합니다.

그 모델은 바로 neural network 입니다. 이는 우리 인간의 뇌를 모방한 알고리즘으로 옛날에 잠시 유행했다 인기가 식었지만 최근 들어 기술의 발전으로 계산속도가 빨라지며 다시 주목을 받고 있는 기술입니다. 우리는 이번 챕터에서 이 모델의 정의와 구현, 그리고 얼마나 효과적인 결과를 내는지 알아볼 것입니다.