Binary classification이 아닌 다양한 분류가 가능하도록 해보자
여러 개의 Binary classification 의 결과
하지만 독립된 여러 Binary classification을 구현하기엔 복잡하다.
위의 식을 하나로 합쳐 보자 ⇒ matrix multiplication (행렬 곱셉)을 생각!
Sigmoid 함수는?
벡터 행렬의 값이 0과 1 사이로 나오도록
분류 클래스의 총 개수를 k라고 할 때, k차원의 벡터를 입력받아 각 클래스에 대한 확률을 추정
전체의 합이 1 → 각각의 $p$값을 확률로 볼 수 있음
ONE-HOT ENCODING → 가장 큰 확률을 가진 것이 답 ⇒ 답을 1로 나머지는 0으로