คุณอาจจำได้จากแบบฝึกหัดการครอสฟีเจอร์ในโมดูลข้อมูลเชิงหมวดหมู่ว่าปัญหาการจัดประเภทต่อไปนี้ไม่ใช่แบบเชิงเส้น
"ไม่ใช่เชิงเส้น" หมายความว่าคุณไม่สามารถคาดการณ์ป้ายกำกับได้อย่างแม่นยำด้วยรูปแบบของแบบฟอร์ม \(b + w_1x_1 + w_2x_2\)กล่าวคือ "พื้นผิวการตัดสินใจ" ไม่ใช่เส้น
อย่างไรก็ตาม หากทำการครอสฟีเจอร์กับฟีเจอร์ $x_1$ และ $x_2$ เราจะแสดงความสัมพันธ์ที่ไม่ใช่เชิงเส้นระหว่างฟีเจอร์ 2 รายการได้โดยใช้โมเดลเชิงเส้น ดังนี้ $b + w_1x_1 + w_2x_2 + w_3x_3$ โดยที่ $x_3$ คือครอสฟีเจอร์ระหว่าง $x_1$ กับ $x_2$
มาดูชุดข้อมูลต่อไปนี้
คุณอาจยังจำได้จากแบบฝึกหัดการครอสฟีเจอร์ว่าการระบุการครอสฟีเจอร์ที่ถูกต้องเพื่อให้รูปแบบเชิงเส้นพอดีกับข้อมูลนี้ต้องใช้ความพยายามและการทดสอบมากกว่าเดิมเล็กน้อย
แต่จะเกิดอะไรขึ้นหากคุณไม่ต้องทำการทดสอบทั้งหมดด้วยตนเอง โครงข่ายระบบประสาทเทียมเป็นตระกูลของรูปแบบสถาปัตยกรรมโมเดลที่ออกแบบมาเพื่อค้นหารูปแบบที่ไม่ใช่เชิงเส้นในข้อมูล ในระหว่างการฝึกอบรมเครือข่ายประสาทเทียม โมเดลจะเรียนรู้การครอสฟีเจอร์ที่ดีที่สุดโดยอัตโนมัติเพื่อดำเนินการกับข้อมูลอินพุตเพื่อลดการสูญเสีย
ในส่วนถัดไป เราจะดูรายละเอียดวิธีการทำงานของเครือข่ายประสาทกัน