[모두의 딥러닝] #4-10. 딥러닝 모델 설계하기

하하 나도 이제 딥러닝 할수있따

---

#4-10. 딥러닝 모델 설계하기 

 

기존에 함께 봤던 폐암 수술 환자 생존율 예측하기 딥러닝 모델을 바탕으로

지금까지 배워온 것을 정리해보자. 

 

1. 환경 준비   # 텐서플로의 케라스 API에서 필요한 함수들을 불러옴  from tensorflow.keras.models import Sequential # 데이터를 다루는 데 필요한 라이브러리를 불러옵니다. from tensorflow.keras.layers import Dense # 데이터를 다루는 데 필요한 라이브러리를 불러옵니다. import numpy as np

2. 데이터준비  !git clone https://github.com/taehojo/data.git # 깃허브에 준비된 데이터를 가져옵니다. # 수술 환자 데이터를 불러옵니다. Data_set = np.loadtxt("./data/ThoraricSurgery3.csv", delimiter=",")  X = Data_set[:,0:16] # 환자의 진찰 기록을 X로 지정합니다. y = Data_set[:,16] # 수술 후 사망/생존 여부를 y로 지정합니다.

3. 딥러닝 모델 구조 결정  model = Sequential() # 딥러닝 모델의 구조를 결정합니다. model.add(Dense(30, input_dim=16, activation='relu')) model.add(Dense(1, activation='sigmoid'))

model = Sequential  - 딥러닝 구조를 짜고 층을 설정할 수 있도록 시퀀셜 함수를 모델로 선언  model.add  - 새로운 층을 만드는 것. 맨 마지막 층이 출력층이고 나머지는 모두 은닉층임  Dense  - 각 층의 구조를 이 함수를 통해 짜게 됨. - 첫번째 인자가 해당 층의 노드의 수를 의미함(=가중합의 수)   - input_dim : 입력되는 x의 수  - activation : 활성화 함수 (은닉층에서는 relu, 출력층에서는 sigmoid사용함)

4. 모델 실행  model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) history=model.fit(X, y, epochs=5, batch_size=16)

model. compile - 앞에서 정한 모델을 컴퓨터가 이해할 수 있게 컴파일 하는 것  - loss : 오차함수(손실함수) 종류 정하기 *  - optimizer : 고급경사하강법 종류 중 선택하기  - metrics : 모델이 컴파일 될 때 모델 수행의 결과를 나타나게 설정하는 것. accuracy는 학습셋에 대한 정확도에 기반해 출력하라는 뜻    ( 이 외에 loss, val_acc, val_loss등이 있음)  model.fit -모델을 실제로 수행  - epoch : 학습 프로세스를 모든 샘플에 대해 실행시키는 수  - batch_size : 샘플을 한번에 몇개씩 처리할 지 정하는 것

✬ 오차함수 종류 

평균제곱계열 (선형회귀모델)	mean_squared_error	평균제곱오차
	mean_absolute_error	평균절대오차(실제값과 예측값 차이의 절댓값 평균)
	mean_absolute_percentage_error	펴균 절대 백분율 오차
	mean_squared_logarithmic_error	평균 제곱 로그 오차
교차엔트로피 계열 (다향, 이항분류)	categorical_crossentropy	범주현 교차 엔트로피
	binary_crossentropy	이항 교차 엔트로피