이 장에서는 2장에서 설명한 기초를 토대로 특성에서 레이블로 더 복잡한 매핑을 학습하는 신경망을 구축해 보겠습니다. 여기서 소개할 주요 개선점은 비선형성(nonlinearity)입니다. 비선형성은 입력과 출력 사이를 단순한 입력 원소의 가중치 합으로 매핑하는 것이 아닙니다. 비선형성은 신경망의 표현 능력을 강화하며 올바르게 사용되면 많은 문제에서 예측 정확도를 향상시킵니다. 지금은 보스턴 주택 데이터셋을 계속 사용하여 설명하겠습니다. 또한, 이 장에서는 과대적합과 과소적합을 더 자세히 다루기 때문에 훈련 데이터에서 잘 동작하는 것뿐만 아니라 훈련하는 동안 본 적 없는 데이터에서 좋은 정확도를 내는 모델을 훈련하는 데 도움이 될 것입니다. 모델의 품질 측면으로 보면, 본 적 없는 데이터에서 좋은 성능을 내는 것이 궁극적인 목표입니다.