আপনি ক্যাটেগরিক্যাল ডেটা মডিউলের ফিচার ক্রস ব্যায়াম থেকে মনে করতে পারেন যে নিম্নলিখিত শ্রেণীবিভাগ সমস্যাটি অরৈখিক:
"অরৈখিক" এর অর্থ হল আপনি ফর্মের একটি মডেল সহ একটি লেবেল সঠিকভাবে অনুমান করতে পারবেন না \(b + w_1x_1 + w_2x_2\). অন্য কথায়, "সিদ্ধান্তের পৃষ্ঠ" একটি লাইন নয়।
যাইহোক, যদি আমরা আমাদের $x_1$ এবং $x_2$ বৈশিষ্ট্যগুলিতে একটি বৈশিষ্ট্য ক্রস সম্পাদন করি, তাহলে আমরা একটি রৈখিক মডেল ব্যবহার করে দুটি বৈশিষ্ট্যের মধ্যে অরৈখিক সম্পর্ককে উপস্থাপন করতে পারি: $b + w_1x_1 + w_2x_2 + w_3x_3$ যেখানে $x_3$ হল বৈশিষ্ট্য ক্রস $x_1$ এবং $x_2$ এর মধ্যে:
এখন নিম্নলিখিত ডেটাসেট বিবেচনা করুন:
আপনি ফিচার ক্রস অনুশীলনগুলি থেকেও স্মরণ করতে পারেন যে এই ডেটাতে একটি রৈখিক মডেল ফিট করার জন্য সঠিক বৈশিষ্ট্য ক্রসগুলি নির্ধারণ করতে একটু বেশি প্রচেষ্টা এবং পরীক্ষা নেওয়া হয়েছিল।
কিন্তু যদি আপনাকে সেই সমস্ত পরীক্ষা-নিরীক্ষা করতে না হয়? নিউরাল নেটওয়ার্কগুলি হল মডেল আর্কিটেকচারের একটি পরিবার যা ডেটাতে অরৈখিক নিদর্শনগুলি খুঁজে বের করার জন্য ডিজাইন করা হয়েছে। একটি নিউরাল নেটওয়ার্কের প্রশিক্ষণের সময়, মডেলটি স্বয়ংক্রিয়ভাবে ক্ষতি কমাতে ইনপুট ডেটাতে পারফর্ম করার জন্য সর্বোত্তম বৈশিষ্ট্য ক্রসগুলি শিখে নেয়।
নিম্নলিখিত বিভাগে, আমরা নিউরাল নেটওয়ার্কগুলি কীভাবে কাজ করে তা ঘনিষ্ঠভাবে দেখব।