Foundation of ml neurons

개요

머신러닝 뉴런은 입력값을 받아 출력값을 예측하며, 뉴런의 작동 방식과 학습 과정은 피자 가게 판매량 예측에 비유하여 설명될 수 있다.

주요 내용

* 피자 가게 비유:
* 피자 가게는 하루에 30개의 피자를 판매하는 것을 목표로 하지만, 실제로는 20개만 판매된다.
* 고객 수에 따라 판매량이 달라지는데, 만약 고객이 0명 오면 피자 판매 규칙(1인당 2개)을 탓할 수 없다.
* 하지만 10명의 고객이 왔을 때도 20개만 판매된다면, 이는 피자 판매 규칙(1인당 2개)에 문제가 있음을 시사한다.
* 뉴런 학습 과정:
* 뉴런의 학습은 이러한 "규칙(weight)"을 조정하여 목표 판매량을 달성하도록 만드는 과정이다.
* Weight (가중치): 고객 1명당 판매하는 피자 개수 (예: 2).
* Error (오차): 목표 판매량 - 실제 판매량 (예: 30 - 20 = 10).
* Adjustment (조정값): 오차 \* 입력값 (이것이 기울기의 핵심).
* Weight 업데이트: weight = weight + (adjustment * learning_rate).
* 입력값이 0이면 가중치 조정이 일어나지 않지만, 입력값이 있을 때는 조정이 발생한다.

시사점

뉴런 학습의 핵심 원리는 입력값과 오차를 기반으로 가중치를 조정하는 경사 하강법(gradient descent)이며, 이를 통해 모델의 예측 정확도를 향상시킬 수 있다.