앞서 말씀드린 특성 교차 연습 범주형 데이터 모듈 다음 분류 문제가 비선형이라는 것을 알 수 있습니다.
![그림 1. 4로 나뉘는 데카르트 좌표 평면
각각은 사각형의 임의의 점으로 채워져 있고 사분면은
정사각형입니다. 오른쪽 상단과 왼쪽 하단 사분면의 점은 파란색입니다.
왼쪽 상단과 오른쪽 하단 사분면의 점은 주황색입니다.](https://developers.google.cn/static/machine-learning/crash-course/neural-networks/images/nonlinear_simple.png?authuser=5&hl=ko)
'비선형' 가중치로는 라벨을 정확하게 예측할 수 없다는 \(b + w_1x_1 + w_2x_2\)형태의 모델입니다. 즉, '결정 영역' 은(는) 선이 아닙니다.
그러나 $x_1$ 및 $x_2$ 특성에 대해 특성 교차를 수행하면 공식을 사용하여 두 특성 간의 비선형 관계를 표현 선형 모델: $b + w_1x_1 + w_2x_2 + w_3x_3$ 여기서 $x_3$ 는 $x_1$ 및 $x_2$:
![그림 2. 파란색과 주황색의 동일한 데카르트 좌표 평면
점 3개로 나뉩니다. 하지만 이번에는 흰색 쌍곡선은
그리드 위에 표시되며 오른쪽 상단의 파란색 점이
왼쪽 아래 사분면 (지금은 파란색 배경으로 음영됨)
왼쪽 상단과 오른쪽 하단 사분면에 있는 주황색 점이
주황색 배경으로 음영 처리됩니다.)](https://developers.google.cn/static/machine-learning/crash-course/neural-networks/images/nonlinear_simple_feature_cross.png?authuser=5&hl=ko)
이제 다음 데이터 세트를 생각해 보세요.
![그림 3. 4개의 사분면으로 나누어진 데카르트 좌표 평면
파란색 점들의 원형 클러스터가
주황색 점 고리로 둘러싸여 있습니다.](https://developers.google.cn/static/machine-learning/crash-course/neural-networks/images/nonlinear_complex.png?authuser=5&hl=ko)
특성 교차 실습에서도 이 데이터에 선형 모델을 맞추는 데 적합한 특성 교차를 결정하는 것은 더 많은 노력과 실험이 필요했습니다
하지만 이 모든 실험을 직접 할 필요가 없다면 어떻게 해야 할까요? 신경망은 찾아낼 수 있도록 설계된 모델 아키텍처의 비선형 데이터 패턴을 나타냅니다. 신경망 학습 도중에는 모델을 자동으로 입력 데이터에서 최적의 특성 교차를 학습하여 손실이 발생할 수 있습니다.
다음 섹션에서는 신경망의 작동 방식을 자세히 살펴보겠습니다.