https://dbfoot.tistory.com/170
여기서 이어집니다.
필요한 라이브러리를 import합니다.
import tensorflow.keras
from keras.models import Sequential
from keras.layers import Dense
from sklearn.preprocessing import MinMaxScaler
import tensorflow as tf
딥러닝 모델링
model = Sequential()
X_train.shape
model.add(Dense(units=20,activation='relu',input_dim = 5))
model.add(Dense(units=10,activation='relu'))
# 리그레션 문제의 액티베이션 function은 linear 사용
model.add(Dense(units=1,activation='linear'))
model.summary()
옵티마이저는 'adam' 으로 하고, 로스펑션은 'mean_squared_error' 로 세팅하여 컴파일 합니다.
model.compile(optimizer='adam',loss='mean_squared_error')
학습을 진행합니다.
epoch_history = model.fit(X_train,y_train,batch_size=20,epochs=20)
게임 로딩되는것처럼 쭉쭉 차면서 학습이 됩니다.
EVALUATING THE MODEL
테스트셋으로 예측 해보기
y_pred=model.predict(X_test)
y_test
y_pred
MSE : 오차를 구하고, 제곱한 후 평균을 구합니다. (Mean Squared Error)
((y_test-y_pred)**2).mean()
실제값과 예측값을 plot으로 나타냅니다.
plt.plot(y_test)
plt.plot(y_pred)
plt.legend(['Rear','Pred'])
plt.show()
예시를 들어보겠습니다.
유저가 앱을 통해서 데이터 입력했습니다
이 사람은 얼마 정도의 차를 구매할수있는지 예측하세요
여자이고 나이는 38살 연봉은 90,000달러 카드빚은 2,000달러이고,
자산은 500,000만 달러 입니다.
이 사람의 얼마짜리 차를 구매할 여력이 될까요?
new_data = np.array([0,38,90000,2000,500000])
new_data=new_data.reshape(1,5)
new_data=scaler_X.transform(new_data)
y_pred = model.predict(new_data)
위 예시의 예측값입니다.
scaler_y.inverse_transform(y_pred)
'딥러닝' 카테고리의 다른 글
Image Data Generator 사람과 말 분류 (0) | 2022.03.29 |
---|---|
Convolutional Neural Networks (0) | 2022.03.29 |
ANN 인공신경망을 이용해 자동차 연비 예측하기 EarlyStopping 콜백(callback) 사용 (0) | 2022.03.29 |
Neural Networks (0) | 2022.03.29 |
Fashion mnist 10개로 분류된 패션 이미지를 tensorflow를 이용해 분류하는 딥 러닝 (0) | 2021.12.06 |