कैटगरी वाले डेटा मॉड्यूल में, सुविधाओं के क्रॉस एक्सरसाइज़ से आपको याद होगा कि नीचे दी गई क्लासिफ़िकेशन समस्या नॉन-लाइनर है:
"नॉन-लाइनर" का मतलब है कि \(b + w_1x_1 + w_2x_2\)फ़ॉर्म के मॉडल की मदद से, किसी लेबल का सटीक अनुमान नहीं लगाया जा सकता. दूसरे शब्दों में, "फ़ैसला लेने की जगह" कोई लाइन नहीं है.
हालांकि, अगर हम अपनी सुविधाओं $x_1$ और $x_2$ पर फ़ीचर क्रॉस करते हैं, तो हम लीनियर मॉडल का इस्तेमाल करके, दोनों सुविधाओं के बीच नॉन-लाइनियर संबंध दिखा सकते हैं: $b + w_1x_1 + w_2x_2 + w_3x_3$, जहां $x_3$, $x_1$ और $x_2$ के बीच फ़ीचर क्रॉस है:
अब इस डेटासेट पर ध्यान दें:
इसे सुविधा क्रॉस एक्सरसाइज़ से भी याद किया जा सकता है जो इस डेटा के लिए एक लीनियर मॉडल को फ़िट करने के लिए क्रॉस-पोस्ट करती है इसमें थोड़ा मेहनत और एक्सपेरिमेंट करना पड़ा.
लेकिन, अगर आपको खुद ही ये सभी प्रयोग करने की ज़रूरत न पड़े, तो क्या होगा? न्यूरल नेटवर्क, मॉडल आर्किटेक्चर की एक फ़ैमिली है. इन्हें डेटा में नॉन-लीनियर पैटर्न ढूंढने के लिए डिज़ाइन किया गया है. न्यूरल नेटवर्क की ट्रेनिंग के दौरान, अपने-आप model का इस्तेमाल करें इनपुट डेटा पर परफ़ॉर्मेंस को बेहतर बनाने के लिए, सबसे बेहतर सुविधा क्रॉस-पॉइंट को सीखता है नुकसान.
नीचे दिए गए सेक्शन में, हम यह जानेंगे कि न्यूरल नेटवर्क कैसे काम करते हैं.