03. 신경망의 원리

이번 장에서는 주택 가격예측의 원리를 통해서 신경망의 원리에 대해서 알아보겠습니다.

 

1. 입력층 (Input Layer):

• 입력층에는 **특성(Features)**들이 입력됩니다. 이 이미지에서는 집의 면적(Area), 침실 수(Bedrooms), 도시와의 거리(Distance to city), 연식(Age) 등의 특성이 입력으로 사용됩니다.
• 입력층의 각 노드는 입력값을 받아 다음 레이어인 히든 레이어로 전달합니다.

 

3. 출력층 (Output Layer):

• 출력층은 최종 결과를 생성하는 곳입니다. 이 이미지에서는 y가 출력 노드로, 최종적으로 **집의 가격(Price)**을 예측합니다.
• 출력층에서는 일반적으로 예측 값이나 분류 값이 결정됩니다. 이 경우 출력값이 집의 가격이라는 회귀 문제로 설정되어 있습니다.

4. 신경망의 학습:

• 신경망은 입력 데이터를 기반으로 예측을 하고, 실제 값과 예측 값의 차이를 측정하여 **오차(손실)**를 계산합니다.
• 그 후, 이 오차를 최소화하기 위해 **역전파(backpropagation)**와 **경사 하강법(gradient descent)**을 사용하여 가중치와 바이어스를 업데이트합니다.
• 이 과정을 여러 번 반복하면서 신경망은 점차 더 정확한 예측을 할 수 있게 학습됩니다.