Tensorflow - ANN(인공신경망) 회귀 문제의 모델 딥러닝

예시로 사용될 데이터프레임 회사 수익 예측하기 df = pd.read_csv('50_Startups.csv') df.head() 라이브러리 호출 # 데이터 가공 import numpy as np import pandas as pd # 카테고리컬 인코딩 from sklearn.preprocessing import OneHotEncoder from sklearn.compose import ColumnTransformer # 피쳐 스케일링 from sklearn.preprocessing import MinMaxScaler # 데이터셋 분리 from sklearn.model_selection import train_test_split # 인공지능 모델링 import tensorflow as tf from ten..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 6. 10.
• textsms

Tensorflow - epochs와 batch_size

epochs 전체 데이터셋을 몇 번 반복 학습할지 설정 예) epochs=100 : 서로 다른 값 100개의 가중치로 반복 학습을 진행하여 모델의 성능을 향상시킴 batch_size N개의 샘플로 테스트하여 가중치를 갱신할지를 설정 배치 사이즈가 클수록 많은 데이터를 저장해두어야 하므로 용량이 커짐 배치 사이즈가 작을수록 학습률은 높지만 가중치 갱신률이 높아져서 시간이 오래 걸림 예 ) epochs=100, batch_size=100 : 모두 예측한 뒤 실제 값과 비교 후 가중치 갱신 예 ) epochs=100, batch_size=50 : 반절을 예측한 뒤 실제 값과 비교 후 가중치 갱신, 나머지 다시 예측 사용 방법 모델링 학습시 메소드에 넣어줌 model.fit(X_train, y_train, ep..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 6. 10.
• textsms

Tensorflow - GridSearch 최적의 하이퍼 파라미터 찾기

해당 데이터프레임은 이전 포스팅과 이어지기 때문에 실습하면서 이해를 원하시면 이전 포스팅을 확인해주시길 바랍니다. 이번 포스팅에서는 GridSearch를 이용하여 최적의 하이퍼 파라미터를 찾는 절차와 소스 코드를 공유합니다. 이전 포스팅 : Tensorflow - ANN(인공신경망)으로 딥러닝하기 필요한 라이브러리 호출 from keras.wrappers.scikit_learn import KerasClassifier from sklearn.model_selection import GridSearchCV from keras.models import Sequential from keras.layers import Dense 인공지능 모델링 함수 정의 def build_classifier(optimizer)..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 6. 10.
• textsms

Tensorflow - ANN(인공신경망) 분류 문제의 모델 딥러닝

예시로 사용될 데이터프레임 금융상품 갱신 여부 예측하는 인공신경망 구성하기 df = pd.read_csv('Churn_Modelling.csv') df.head() 라이브러리 호출 import numpy as np import matplotlib.pyplot as plt import pandas as pd import seaborn as sns import tensorflow as tf from tensorflow import keras from keras.models import Sequential from keras.layers import Dense 학습 할 데이터와 예측 데이터 설정 학습 데이터 X 학습에 필요한 데이터만 추출 # 학습할 데이터 설정 [CreditScore:EstimatedSala..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 6. 10.
• textsms

딥러닝 - 텐서플로우의 기초, 개념, 간단 예시

텐서플로우 (TensorFlow) 머신러닝을 위한 엔드 투 엔드 오픈 플랫폼 머신러닝 모델을 쉽게 만들 수 있음 케라스 기반 케라스 (Keras) 사용자 친화적인 API를 사용 신속한 프로토타입 제작, 최첨단 연구 및 프로덕션 가능 텐서플로우의 상위 수준 API는 신경망을 정의하고 학습시키기 위해 케라스를 기반으로 함 사용하기 전에... 구글 코랩 (Colab) 머신 러닝 용도로 사용하기 때문에 텐서플로우가 내장되어 있음, 설치 할 필요 X 아나콘다 환경 (Python, Jupyter Notebook) 데이터 분석 용도로 사용하기 때문에 텐서플로우가 없음, 설치해야 함 conda install tensorflow 텐서플로우 라이브러리 호출 import tensorflow as tf from tensorf..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 6. 10.
• textsms

딥러닝 - 심층신경망(Deep Neural Network, DNN)

심층 신경망(Deep Neural Network, DNN) 입력층(input layer)과 출력층(output layer) 사이에 여러 개의 은닉층(hidden layer)들로 이루어진 인공 신경망 일반적인 인공 신경망과 마찬가지로 복잡한 비선형 관계들을 모델링 할 수 있음 예: 물체 식별 모델을 위한 심층 신경망 구조에서는 각 물체가 영상의 기본적인 요소들로 계층적 구성 표현 비슷한 기능을 하는 인공 신경망에 비해 더 적은 수의 유닛(노드)들 만으로도 복잡한 데이터를 모델링 할 수 있음 심층 신경망 알고리즘 순전파와 역전파를 이용하여 오차 최소화 순전파 (feedforward) : 입력층에서 출력층으로 데이터를 전달 역전파(backpropagation) : 출력층에서 입력층으로 데이터를 반대로 전달 오..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 6. 9.
• textsms