선생님, 질문이 있습니다.

선생님, 안녕하세요, 질문이 있습니다.

3:38 시간대에서 혼자 생각하다가 의문이 생겼는데요,

결론부터 말씀드리자면 W가 300개가 된다는 말의 의미가 정확하게 무엇인지 모르겠습니다.

질문1) 정확히 W는 모든 가중치를 모아놓은 vector를 말하는 것인가요? 

질문2)feature vector(저번 질문 때 선생님께서 용어 정리를 부탁하셨는데, boston 기준으로 예를 들자면 

RM의 모든 506개 수치가 들어간 열벡터

LSTAT의 506개 수치가 들어간 열벡터 

좀 뭔가 굴비?를 엮은 한 줄로 feature vector 정의를 이해하시면 될 듯 합니다.)

boston의 예시로 돌아와서

만일 bostonDF에 feature가 100개가 있다고 친다면

원래 input 데이터셋의 shape는 (506,100)이 되는 셈이잖아요?세로크기506,가로크기100 그렇게 되면 W의 shape은 (1,100)이 되는 것인가요? 

그렇게 보면 하나의 Node를 통과할 때 단계가

1) np.dot(W.T,X)+bias를 하고

2) 이를 활성함수의 인자로 넘긴다

이것인데요, 

(506,100) 과 (1,100)을 내적하려면 W를 transpose해주고, 그 결과 (506,1)이 나올 것이고, bias는 각각 더해주면 될 것이구요 

층 1에서 노드가 3개일 때, 한 층의 각 노드 안에서는 W=[w1,w2,...wm]와 모든 bostonDF의 각 feature에 대해 node 연산 작업을 완료하게 되면 

(506,3)이 나오게 되고 이게 다음 층으로 넘어가는거라고 봐야할까요? 제가 이해한 바가 맞을까요?

질문3) 그럼 결국 층이 1개이고, node가 3개라 가정하면

퍼셉트론에서는 위의 과정을 단 한번만 했었는데 위의 가정에 따르면 같은 과정을 3번하게 되는 거잖아요?

(506,100) -> node1 -> (506,1)

(506,100) -> node2 -> (506,1)

(506,100) -> node3 -> (506,1)

그런데 각 층마다 같은 W=[w1,w2,...wm]을 가지고 같은 연산을 하면 정확히 같은 작업을 노드의 개수만큼 반복하는 것 밖에 안되는 것 같은데, 제가 어디서 이상하게 이해를 하고 있는지 짚어주시면 감사합니다.