분류 전체보기
-
TensorFlow 기초 15 - 활성화 함수, 학습 조기 종료TensorFlow 2022. 12. 2. 11:19
# 활성화 함수, 학습 조기 종료 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt from keras.datasets import boston_housing # print(boston_housing.load_data()) (x_train, y_train), (x_test, y_test) = boston_housing.load_data() print(x_train.shape, y_train.shape, x_test.shape, y_test.shape) # (404, 13) (404,) (102, 13) (102,) print(x_train[0]) print(y_train[0]) # 데이터 표준화 x_mean = x_tra..
-
TensorFlow 기초 14 - 선형회귀용 다층 분류모델 - Sequential, Functional api(표준화 및 validation_data)TensorFlow 2022. 12. 1. 15:25
Sequential api : 단순한 네트워크(설계도) 구성 Functional api : Sequential api 방법보다 복잡하고 유연한 네트워크(설계도) 구성 Functional api 2 : 유연한 네트워크(설계도) 구성 - 일부는 짧은 경로, 일부는 긴 경로 # 선형회귀용 다층 분류모델 - Sequential, Functional api from sklearn.datasets import fetch_california_housing from sklearn.model_selection import train_test_split from keras.models import Sequential from keras.layers import Dense, Input, Concatenate from ker..
-
다중선형회귀 예제 - 자전거 공유 시스템 분석TensorFlow 2022. 12. 1. 13:58
# 문제2) # https://github.com/pykwon/python/tree/master/data # 자전거 공유 시스템 분석용 데이터 train.csv를 이용하여 대여횟수에 영향을 주는 변수들을 골라 다중선형회귀분석 모델을 작성하시오. # 모델 학습시에 발생하는 loss를 시각화하고 설명력을 출력하시오. # 새로운 데이터를 input 함수를 사용해 키보드로 입력하여 대여횟수 예측결과를 콘솔로 출력하시오. import pandas as pd from keras.models import Sequential from keras.layers import Dense import matplotlib.pyplot as plt from sklearn.model_selection import train_test..
-
다중선현회귀모델 예제 - 주식 데이터로 예측 모형 작성. 전날 데이터로 다음날 종가 예측(train/test split, validation_split)TensorFlow 2022. 12. 1. 11:12
과적합 방지를 위해 train / test split 을 하기 전과 하고 난 후, 그리고 train / test validation 후의 모델을 나눠보았다. # 주식 데이터로 예측 모형 작성. 전날 데이터로 다음날 종가 예측 import numpy as np from keras.models import Sequential from keras.layers import Dense import tensorflow as tf import matplotlib.pyplot as plt from sklearn.preprocessing import MinMaxScaler xy =np.loadtxt('https://raw.githubusercontent.com/pykwon/python/master/testdata_utf..
-
TensorFlow 기초 13 - 다중선형회귀모델(scaling) - 정규화, 표준화 validation_splitTensorFlow 2022. 11. 30. 17:41
다중선형회귀모델 scaling : feature 간 단위의 차이가 클 경우 정규화/표준화 작업이 효과적 - label에는 적용하지 않는다. 표준화 : (요소값 - 평균) / 표준편차 정규화 : (요소값 - 최소값) / (최대값 - 최소값) StandardScaler : 표준화, 이상치가 있는 경우 불균형 MinMaxScaler : 정규화, 이상치에 민감 RobustScaler : 이상치의 영향을 최소화 한다. validation_split : fit() 학습 시에 이루어지는 것으로 train과 test로 나눠진 것에서 train을 다시 8:2로 잘라 학습 도중 검정도 하겠다는 의미이다. fit() 에 validation_split을 주었다면 val_loss, val_mse가 history에 생긴다. # ..
-
TensorFlow 기초 12 - 다중선형회귀모델 작성 후 텐서보드(모델의 구조 및 학습과정/결과를 시각화) -TensorFlow 2022. 11. 30. 16:27
# 다중선형회귀모델 작성 후 텐서보드(모델의 구조 및 학습과정/결과를 시각화) from keras.models import Sequential from keras.layers import Dense import numpy as np import pandas as pd import matplotlib.pyplot as plt import tensorflow as tf # 5명의 학생이 3회 시험 실시 후 다음번 시험 점수 예측 x_data = np.array([[70, 85, 80], [71, 89, 78], [50, 80, 60], [66, 20, 60],[50, 30, 10]]) y_data = np.array([73, 82, 72, 57, 34]) # 모델 설계 print('Sequential api..
-
단순선형회귀 방법 1, 방법 2 예제(Sequential api, Function api)TensorFlow 2022. 11. 30. 15:31
방법1 import tensorflow as tf from keras.models import Sequential from keras.layers import Dense, Activation from keras import optimizers import numpy as np import pandas as pd from sklearn.model_selection import train_test_split from sklearn.metrics import r2_score from keras.optimizers import SGD, RMSprop, Adam df = pd.read_table('http://www.randomservices.org/random/data/Galton.txt') df = df.lo..
-
TensorFlow 기초 11 - 단순선형회귀모델 작성 : 방법 3가지(다중 입출력 모델)TensorFlow 2022. 11. 30. 10:58
# 단순선형회귀모델 작성 : 방법 3가지 경험하기 import tensorflow as tf from keras.models import Sequential from keras.layers import Dense, Activation from keras import optimizers import numpy as np # 공부 시간에 따른 성적 결과 x_data = np.array([1,2,3,4,5], dtype=np.float32) y_data = np.array([5, 32, 55, 61, 80], dtype=np.float32) print('r =', np.corrcoef(x_data, y_data)) # 0.979 print('방법1 : Sequential api 사용 : 가장 단순하다. 레이어..