우선, House Price Prediction을 보자.
빨간색 X는 데이터를 표현한 것이다. 특정 house의 size에 따른 price를 좌표평면에 나타낸 것이고 위의 그림에서는 6개의 sample이 있다. 이 경우에 데이터들을 바탕으로 선형 회귀(linear line)가 가능하다. 선형 회귀란, 알려진 데이터를 바탕으로 선형으로 수학적으로 모델링하여 알 수 없는 데이터의 값을 예측하는 데이터 분석 기법이다.
알려진 데이터를 바탕으로 선형으로 모델링(파란색 선)할 수 있다. 여기서 항상 선형으로 모델링하면 price는 음수값이 되는데, 불가능하므로 이후 구간은 0으로 설정한다. 이를 network로도식화하면 다음과 같다.
size --------> O --------> price
x(input) neuron y(output)
여기서, neuron은 앞서 언급한 모델링 함수를 구현한 것이며, 여기서 이 함수는 ReLU(Rectified Linear Unit) function 이다.
이를 더 자세하게 살펴보자. (y는 price)
[input layer] [hidden layer] [output layer]
price를 예측하기 위해 영향을 끼치는 요소들은 size, bedroom의 개수, zip code, wealth가 있다. 즉, input layer에 4개의 input unit이 있고, output layer에 price라는 1개의 output unit, 중간에 hidden layer가 있다. 이들은 fully connected 되어 있다.
'연구실 > 인공지능(Coursera)' 카테고리의 다른 글
[AI 6주차] Optimization Algorithm (0) | 2024.07.15 |
---|---|
[AI 5주차] Deep learning의 실용적인 측면 (0) | 2024.07.02 |
[AI 4주차] DNN(깊은 신경망) (0) | 2024.06.27 |
[AI 3주차] Swallow Neural Network(얕은 신경망) (0) | 2024.06.27 |
[AI 2주차] 신경망 기초 (0) | 2024.06.25 |