지난 포스팅에서 데이터를 train, test, validation으로 나누는 것이 성능에 좋다는 내용을 포스팅 하였습니다. 2019/12/19 - [SW개발/Python Keras] - [케라스] 무작정 튜토리얼6 - train, test, validation DATA [케라스] 무작정 튜토리얼6 - train, test, validation DATA● train, test, validation DATA train, test, validation data에 대한 설명 이전 포스팅 참고 2019/12/17 - [SW개발/Python Keras] - [케라스] 무작정 튜토리얼4 - RMSE, R2 (feat.회귀모델) [케라스] 무작정 튜..ebbnflow.tistory.com    오늘은 데이터를 tra..

● train, test, validation DATAtrain, test, validation data에 대한 설명 이전 포스팅 참고2019/12/17 - [SW개발/Python Keras] - [케라스] 무작정 튜토리얼4 - RMSE, R2 (feat.회귀모델) [케라스] 무작정 튜토리얼4 - RMSE, R2 (feat.회귀모델)● 데이터셋 나누기 회귀모델에서 성능을 평가하는 RMSE와 R2에 대해 알아보기 전에 먼저 train data와 test data를 분류해 보도록 하겠습니다. train데이터와 test데이터를 나누지 않는다면 머신은 정해진 답만..ebbnflow.tistory.com     ● Test set과 Validation set 차이점validation data set은 하이퍼 파라..

● Sequential Model  Sequential 모델은 레이어들이 일렬로 쭉 나열된 형태이며 쉽게 레이어 구성할 수 있습니다. 그래서 Sequential모델의 summery를 보고 모델 구조를 파악하는 연습을 해보도록 하겠습니다. input_dim(혹은 input_shape)에서 받은 노드 갯수를 그대로 입력으로, Dense(5)와 Dense레이어 모델의 파라미터 값으로 준 값을 그대로 아웃풋의 갯수로 받습니다.  예제 코드1234567891011121314from keras.models import Sequentialfrom keras.layers import Denseimport numpy as np x = np.array([1,2,3,4,5])y = np.array([1,2,3,4,5])x2..

● 데이터셋 나누기회귀모델에서 성능을 평가하는 RMSE와 R2에 대해 알아보기 전에 먼저 train data와 test data를 분류해 보도록 하겠습니다. train데이터와 test데이터를 나누지 않는다면 머신은 정해진 답만 외우는 형식으로 훈련을 하게 될 것이고 새로운 데이터가 들어왔을때 전혀 예측을 하지 못하게 됩니다. Train Data = 모델의 훈련을 위한 훈련용 데이터. Test Data = 모델을 평가하기 위해 정답(결과)을 이미 알고있는 테스트용 데이터.Validation Data = 여러 분석 모델 중 어떤 모델이 적합한지 선택하기 위한 검증용 데이터. 대체로 훈련데이터 : 테스트데이터의 비율은 7:3 정도를 사용한다고 하고, validation data도 사용하였을 때는 6:2:2를 ..

● 예제 코드123456789101112131415161718192021222324from keras.models import Sequentialfrom keras.layers import Denseimport numpy as np x = np.array([1,2,3,4,5,6,7,8,9,10])y = np.array([1,2,3,4,5,6,7,8,9,10])x2 = np.array([11,12,13,14,15]) model = Sequential()model.add(Dense(10, input_dim=1, activation='relu'))model.add(Dense(8))model.add(Dense(7))model.add(Dense(6))model.add(Dense(1)) model.compile(l..

● 저번 포스팅 모델 코드123456789101112131415161718from keras.models import Sequentialfrom keras.layers import Denseimport numpy as np x = np.array([1,2,3,4,5])y = np.array([1,2,3,4,5]) model = Sequential()model.add(Dense(5, input_dim=1, activation='relu'))# input 1 output 5model.add(Dense(3))model.add(Dense(1)) model.compile(loss='mse', optimizer='adam')model.fit(x, y, epochs=100, batch_size=1) loss, acc..

딥러닝의 회귀,, 선형,, 비선형,,, 이런 이론들을 일단 접어두고 튜토리얼을 무작정 구현하면서 케라스로 딥러닝 모델을 구현하는 방법에 대해 살짝 알아봅시다. 개발 환경: 아나콘다 가상환경에 2.0.0버전의 텐서플로우와 케라스 설치,  파이썬 3.7.4버전 비주얼 스튜디오 코드 IDE사용.   선형회귀모델을 사용해서 딥러닝을 구현한다는 뜻은 선형회귀 수식 Y = WX + B를 이용하여, X라는 입력자료와 Y라는 출력자료가 주어졌을 때 최적의 W,B를 구한다는 뜻이 됩니다. 여기서 X, Y는 정제된 데이터이며 사람이 해야할 일을 의미하는 것입니다. 우리는 잘 정제된 X, Y 데이터를 넣어주고 노드와 레이어를 구성하여 모델을 만들어주면 케라스 라이브러리는 알아서 최적의 W(Weight)와 B(Bias)를 찾..