2.2.2 붓꽃 데이터셋에서 퍼셉트론 훈련
앞서 만든 퍼셉트론 구현을 테스트하기 위해 두 개의 특성(차원)만 사용하여 이 장의 나머지 예제를 만들겠습니다. 퍼셉트론 규칙이 2차원에 국한된 것은 아니지만 학습 목적으로 산점도에 훈련 모델의 결정 경계를 그리기 위해 꽃받침 길이와 꽃잎 길이만 사용합니다.
또한, 퍼셉트론이 이진 분류기이기 때문에 붓꽃 데이터셋에서 두 개의 꽃 Setosa와 Versicolor만 사용하겠습니다. 하지만 퍼셉트론 알고리즘은 다중 클래스 분류로 확장할 수 있습니다. 예를 들어 일대다(One-versus-All, OvA) 전략을 사용합니다.
Note ≡ 다중 클래스 분류를 위한 일대다 전략
이따금 OvR(One-versus-Rest)이라고도 하는 OvA 기법을 사용하면 이진 분류기를 다중 클래스 문제에 적용할 수 있습니다. OvA를 사용할 때 클래스마다 하나의 분류기를 훈련합니다. 각 클래스는 양성 클래스로 취급되고 다른 클래스의 샘플은 모두 음성 클래스로 생각합니다. 레이블이 없는 새로운 데이터 샘플을 분류할 때는 클래스 레이블의 개수와 같은 n개의 분류기를 사용합니다. 신뢰도가 가장 높은 클래스 레이블을 분류하려는 샘플에 할당합니다. 퍼셉트론은 OvA를 사용하여 최종 입력의 절댓값이 가장 큰 클래스를 레이블로 선택합니다.