본문 바로가기

반응형

딥러닝머신러닝

(2)
딥러닝 기초 (생활코딩 정리2) - 텐서플로우(Tensorflow)를 이용한 보스턴 집 값 예측 이전 게시물에서는 한 개의 독립변수(X)와 한 개의 종속변수(Y)에 대해 다뤘다. 이번에는 여러 개의 독립변수와 한 개의 종속변수를 이용하여 조금 더 복잡한 수식을 만들어내는 모델을 만들어보도록 한다. 🖇 이전 게시물 확인 : [〚딥러닝〛] - 딥러닝 기초 (생활코딩 정리1) - 텐서플로우(Tensorflow)를 이용한 레모네이드 판매 예측 📌 데이터 파악 이번 실습에 사용할 데이터는 보스턴 집값 데이터로, 13개의 독립변수와 1개의 종속변수로 구성되어 있다. 📌 데이터 준비 보스턴 = pd.read_csv('boston.csv') 독립 = 보스턴[['cirm','zn','indus','chas','nox','rm','age','dis','rad','tax','ptratio','b','lstat']] 종..
딥러닝 기초 (생활코딩 정리1) - 텐서플로우(Tensorflow)를 이용한 레모네이드 판매 예측 📌 라이브러리에서 AI까지 이어지는 계층 구조 📌 지도 학습 과정 1) 과거의 데이터 준비하기 2) 모델의 구조 만들기 3) 데이터로 모델 학습(fit)시키기 4) 모델을 이용하여 값을 예측하기 ➰ 과거의 데이터 준비 레모네이드 = pd.read_csv('lemonade.csv') 독립 = 레모네이드[['온도']] 종속 = 레모네이드[['판매량']] ➰ 모델의 구조 만들기 X = tf.keras.layers.Input(shape=[1]) Y = tf.keras.layers.Dense(1)(X) model = tf.keras.models.Model(X,Y) model.compile(loss='mse') ➰ 데이터로 모델 학습(fit)시키기 model.fit(독립, 종속, epochs=1000) ➰ 모델을 ..

반응형