머신러닝 야학 2기

https://opentutorials.org/course/4548 생활코딩 - 머신러닝 코스

머신러닝 야학

생활코딩에서 주최하는 야학에 참가하게됐습니다. https://ml.yah.ac/ 일정은 2021.1.4 : 개강 ~ 2021.1.15 : 종강 총 10일 동안 진행되는 야학입니다

학습 커리큘럼

머신러닝에 대해 알고는 있지만 다시 한번 상기시킬겸 머신러닝1 수업을 듣고, 텐서플로우( python )을 들을 계획이다.

사진 실습 환경 ———-

Google Colaboratory을 사용합니다.

보스턴 집값 예측

보스턴 집값을 예측하는 딥러닝 모델을 텐서플로우를 이용하여 만들어 보고, 모델을 구성하는 퍼셉트론에 대해 이해합니다.

Tensorflow 101 정리-1과 비교

바로 전 포스팅에서 설명한 레모네이드 판매량 예측과 보스턴 집값 예측을 비교하자면 데이터에서 큰 차이가 있다. 레모네이드는 한 독립변수( 온도 ) 가 판매량을 결정했지만 보스턴 집값 예측은 여러 독립변수(범죄율, 방수, 재산세 세율, 학생/교사비율 등)이 판매량을 결정한다. 즉 독립변수는 여러개지만 종속변수는 하나인 셈이다.

-> 위 내용을 정리하면 온도2가 판매량이라는 공식을 y= x2라고 표현 할 수 있다. -> 다시 정리하면 y(예측값 )= x1(한 독립변수) * w1(가중치) + x2(한 독립변수) * w2(가중치) … +b 인 셈이다 -> b는 편향으로 위 강의에선 자세히 설명하지않았지만 알고리즘과 원하는 값이 얼마나 떨어져있는지 나타내는 값이다. 즉 편향이 클수록 알고리즘과 답이 멀어져있는 것 이다.

위 설명을 모두 포함에서 퍼셉트론이라는 하나의 뉴런을 구성한다. 사진

과거의 데이터를 준비합니다. 

파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/boston.csv'
보스턴 = pd.read_csv(파일경로)
print(보스턴.columns)
보스턴.head()
#독립 종속변수 설정
독립 = 보스턴[['crim', 'zn', 'indus', 'chas', 'nox', 'rm', 'age', 'dis', 'rad', 'tax',
			'ptratio', 'b', 'lstat']]
종속 = 보스턴[['medv']]
print(독립.shape, 종속.shape) 데이터를 준비합니다

모델의 구조를 만듭니다. 

X = tf.keras.layers.Input(shape=[13])
Y = tf.keras.layers.Dense(1)(X)
model = tf.keras.models.Model(X, Y)
model.compile(loss='mse')

모델의 구조를 만듭니다. 총 13개의 독립변수로 1개의 출력값을 보냅니다.

데이터로 모델을 학습(FIT)합니다. 

model.fit(독립, 종속, epochs=1000, verbose=0)
model.fit(독립, 종속, epochs=10) 위 코드에서 중요한 부분은 epochs입니다. epochs는 학습의 횟수입니다.

모델을 이용합니다.

print(model.predict(독립[5:10]))
# 종속변수 확인
print(종속[5:10]) 모델을 사용하여 출력합니다.

print(model.get_weights()) 모델의 수식 확인

전체 코드

###########################
# 라이브러리 사용
import tensorflow as tf
import pandas as pd
 
###########################
# 1.과거의 데이터를 준비합니다.
파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/boston.csv'
보스턴 = pd.read_csv(파일경로)
print(보스턴.columns)
보스턴.head()
 
# 독립변수, 종속변수 분리 
독립 = 보스턴[['crim', 'zn', 'indus', 'chas', 'nox', 'rm', 'age', 'dis', 'rad', 'tax',
            'ptratio', 'b', 'lstat']]
종속 = 보스턴[['medv']]
print(독립.shape, 종속.shape)
 
###########################
# 2. 모델의 구조를 만듭니다
X = tf.keras.layers.Input(shape=[13])
Y = tf.keras.layers.Dense(1)(X)
model = tf.keras.models.Model(X, Y)
model.compile(loss='mse')
 
###########################
# 3.데이터로 모델을 학습(FIT)합니다.
model.fit(독립, 종속, epochs=1000, verbose=0)
model.fit(독립, 종속, epochs=10)
 
###########################
# 4. 모델을 이용합니다
print(model.predict(독립[5:10]))
# 종속변수 확인
print(종속[5:10])
 
###########################
# 모델의 수식 확인
print(model.get_weights())

모든 내용은 아래 링크에서 학습한 내용이고 문제시 글 내리겠습니다. https://opentutorials.org/module/4966/28974