숫자·예측·활성화 함수
학습 목표
작은 함수를 만들고 출력의 의미를 설명해요.
평균·최댓값·기준값 분류기부터 시작해요. max는 가장 큰 값, argmax는 그 값의 위치를 반환해요. 단일 정답 분류에서는 그 위치로 최고 점수 범주를 고를 수 있어요. 점수라고 모두 잘 보정된 확률은 아니에요. 판정 기준을 바꾸면 양성으로 분류되는 예가 달라질 수 있어요.
조금 더 알아보기
뉴런은 입력을 z = w·x + b로 합치고 활성화 함수를 적용할 수 있어요. sigmoid는 유한한 실수를 0과 1 사이로 보내는 한 가지 함수이며 모든 뉴런의 정의는 아니에요. 다른 신경망은 ReLU·GELU도 써요. sigmoid 구현은 부품을 만드는 것이지 학습된 신경망을 완성하는 것이 아니에요. 이어지는 미션에서 데이터로 학습한 모델을 다루며, 예제 통과만으로 일반화를 증명할 수는 없어요.
내 말로 설명해 보기
[0.2, 0.7, 0.1]에서 위치를 0부터 셀 때 max와 argmax의 결과는 무엇일까요?
설명과 비교하기
max = 0.7, argmax = 1이에요. 값과 위치는 서로 다른 출력이에요.
스스로 표시하는 칸이에요. 여기서 채점하지는 않아요.
이 단계를 이해한 것으로 표시할까요?
아직 취소할 수 없으니, 정말 이해했을 때만 표시해 주세요.
이해한 것으로 표시했어요
스스로 표시하는 칸이에요. 여기서 채점하지는 않아요.