Ch 12. 딥러닝 입문 (분류)

Part.1 Deep Binary Classification

Review: Logistic Regression

• Input_size: n
• output_size: m

Architecture

• 레이어를 깊게 쌓은 이후에, 마지막 Linear Layer 이후, Sigmoid를 씌워줌

Binary Classification Overview

• 레이어가 깊어진 것 이외에는 Logistic Regression과 전부 똑같다.
  • 앞서 코드 재활용 가능!

Review: Because we use Sigmoid.

• Sigmoid의 출력 값은 0에서 1
• 따라서 확률 값 으로 생각해볼 수 있음.

Binary Cross Entropy (BCE) Loss Function

• N개의 vector들이 주어졌을 때

Wrap-up

• Deep Regression과 마찬가지로, 모델을 DNN으로 교체 후, sigmoid를 마지막으로 넣어준다.
  • 여전히 gradient descent 방식으로 똑같이 최적화 가능