사람의 신경망을 구성하는 신경세포 뉴런은 각각의 입력 신호에 최적화된 가중치를 곱한 모든 합이 어느 임계값(Threshold)에 도달해야만 다음 뉴런으로 출력신호를 주는 구조이다. (여기서 함수가 사용되는데 활성화 함수라고 한다)Feedforward는 only for
Cost Function Cost/Loss function: data set과 가설함수(h(x))의 오차를 계산하는 함수, 궁극적인 목표는 Global Minimum을 찾는 것 $$J^i(\theta)=\frac{1}{2} (h(x^i)-y^i)^2$$ Mean-
예측값과 실제값의 차이 = loss모델 성능의 '나쁨'을 나타내는 지표실제 y값에 비해 가정한 모델 $h\_\\theta$의 예측값이 얼마나 잘 예측했는지 판단하는 함수이다.빨간 선의 총합이 최소화되었을 때 최적의 결과값 도출 가능하다.$$MSE=\\frac{1}{m}
1\. model 학습 전: 전체 data-set을 train-test로 나눈다2\. Feed-forwardinput data는 다음 노드로 전달하기 위해 각각 입력데이터가 결과에 미치는 영향을 반영하는 가중치(weight) 사용(이미지 출처: https://