시그모이드 함수

그 다음으로 살펴볼 함수가 하나 있는데요 시그모이드 함수가 있어요 생소하시죠 시그모이드 함수는 굉장히 중요한 함수이고요 저희가 사실은 회귀만 지금 다뤘단 말이에요 앞에 있는 여러 가지 공식 중에 사실은 오차 함수를 다루든 뭘 다루든 회귀에 대해서 알아봤는데 회귀는 뭐였죠? 회귀는 이거였죠 결국은 예측선이기 때문에 이렇게 선 하나 긋는 거 이게 회귀선이고 회귀선은 y는 ax 더하기 b 였죠 이렇게 일직선의 회귀선을 긋고 예측을 해보자 이런 게 회귀에 저희가 그 회귀를 딥러닝으로 회귀로 해결할 수 있는 방법인데 이 문제는 이 일직선의 요 함수 있죠 이 함수식이 가만 보면 마이너스 무한대에서 플러스 무한대로 움직인다는 거죠 회귀는 해결할 수 있으나 그렇죠? 플러스 무한대든 마이너스 무한대든 회귀를 해결할 수 있으나 분류를 해결할 수 없어요 1차 함수로는 그래서 분류 문제를 해결하기 위해서 등장한 함수가 바로 시그모이드 함수다 이렇게 생각하시면 좋아요 어떻게 시그모이드 함수가 분류 문제를 해결할 수 있지? 분류를 어떻게 해결한다는 거야? 라고 얘기한다면 y 값 있죠? 아까는 x는 y 값이 y 값의 범위가 뭐였어요? 마이너스 무한대에서 1차 함수는 플러스 무한대까지 움직이는 거잖아요 근데 요거를 Y값을 0하고 1 사이의 값으로 가둬버린 거예요 0하고 1 사이로 가뒀는데 그게 바로 시그모이드 함수고 이 시그모이드 함수는 S자 곡선을 갖고 있습니다 S자 곡선을 갖고 있어서 이 곡선 안에 X값이 아무리 크든 작든 간에 0하고 1 사이의 값을 반드시 가지게 돼요 그래서 그 시그모이드 함수의 식이 바로 이겁니다 1 플러스 e에 마이너스 X승 분의 1이 되는 거고요 e는 자연상수가 되죠 자연상수이죠 그래서 2.718 이렇게 되는 무리수이고요 이 시그모이드 함수를 이용해서 S자 곡선을 만든 거고요 S자 곡선이 가지는 정말 중요한 의미는 Y의 값을 마이너스 무한대에서 플러스 무한대로 이렇게 만든 것이 아니고 이 값을 0하고 1 사이로 가둬서 이게 만약에 합격인지 불합격인지 이런 식으로 저희들이 해결할 수가 있다는 거죠 분류의 문제로 바꿔준 거죠 회귀의 문제를 가지고 분류의 문제로 바꿔준 게 바로 시그모이드 함수다 라고 보시면 좋을 것 같고요 예를 들어서 여기가 0.5라고 치면 이렇게 되는 거예요 변수들, 우리가 말하는 속성들, x의 값을 가지고 계산을 해봤더니 y가 예를 들면 0.7이 나왔다 그러면 0.7은 저희가 말하는 스레스홀드라고 얘기하는데 스레스홀드라고 얘기도 하고 임계점이라고 우리 말로는 얘기를 해요 임계점 0.5보다 크면 너 1로 할게, 합격으로 할래 내지는 0. y 값이 0.3이 나왔어요 그럼 0.5보다 작은 값이잖아요 시그모이드 함수는 딥러닝에서 많은 활성 함수로 쓰이기 때문에 꼭 기억을 해야 되는 함수이기도 합니다