Anda mungkin ingat dari Latihan persilangan fitur di Modul data kategoris, bahwa masalah klasifikasi berikut adalah nonlinear:
![Gambar 1. Bidang koordinat Kartesius, dibagi menjadi empat
kuadran, masing-masing berisi titik-titik acak
dalam bentuk yang menyerupai
persegi. Titik-titik di kuadran kanan atas dan kiri bawah berwarna biru,
dan titik-titik di kuadran kiri atas dan kanan bawah berwarna oranye.](https://developers.google.cn/static/machine-learning/crash-course/neural-networks/images/nonlinear_simple.png?authuser=9&hl=id)
"Nonlinear" berarti Anda tidak dapat memprediksi label secara akurat dengan label model bentuk \(b + w_1x_1 + w_2x_2\). Dengan kata lain, "permukaan keputusan" bukanlah garis.
Namun, jika kita melakukan persilangan fitur pada fitur $x_1$ dan $x_2$, kita bisa kemudian merepresentasikan hubungan nonlinier antara kedua fitur menggunakan model linear: $b + w_1x_1 + w_2x_2 + w_3x_3$ di mana $x_3$ adalah persilangan fitur antara $x_1$ dan $x_2$:
![Gambar 2. Bidang koordinat Kartesius yang sama berwarna biru dan oranye
titik-titik seperti pada Gambar 1. Namun, kali ini kurva hiperbolik putih
diplot di atas {i>grid<i}, yang memisahkan titik-titik biru di kanan atas
dan kuadran kiri bawah (sekarang diarsir dengan latar belakang biru) dari
titik oranye di kuadran kiri atas dan kanan bawah (sekarang
diarsir dengan latar belakang oranye).](/static/machine-learning/crash-course/neural-networks/images/nonlinear_simple_feature_cross.png)
Sekarang perhatikan {i>dataset<i} berikut ini:
![Gambar 3. Bidang koordinat Kartesius, yang dibagi menjadi empat kuadran.
Gugus lingkaran titik biru berpusat pada asal
dan dikelilingi oleh lingkaran titik oranye.](https://developers.google.cn/static/machine-learning/crash-course/neural-networks/images/nonlinear_complex.png?authuser=9&hl=id)
Anda mungkin juga ingat Latihan silang fitur yang menentukan persilangan fitur yang tepat untuk menyesuaikan model linear dengan data ini membutuhkan lebih banyak usaha dan eksperimen.
Tetapi bagaimana jika Anda tidak perlu melakukan semua eksperimen itu sendiri? Jaringan neural adalah kelompok arsitektur model yang dirancang untuk menemukan nonlinear pola yang berbeda dalam data. Selama pelatihan jaringan neural, model secara otomatis mempelajari persilangan fitur yang optimal untuk dijalankan pada data input guna meminimalkan kerugian.
Di bagian berikut, kita akan melihat lebih dekat cara kerja jaringan neural.