[모두의 딥러닝] #4-11. 데이터 다루기 : 피마 인디언 데이터 예측하기

자 이제 실전이다

---

#4-10. 데이터 다루기 

 

피마 인디언 데이터를 바탕으로 diabetes 를 예측하는 모델을 만들어보자 

 

먼저 데이터가 어떤 상황인지 확인해보자

 

1. 데이터 조사  

#라이브러리 불러오기 import pandas as pd import matplotlib.pyplot as plt import seaborn as sns #데이터 불러오기 !git clone https://github.com/taehojo/data.git df = pd.read_csv('./data/pima-indians-diabetes3.csv') df.head(5)

Cloning into 'data'...
remote: Enumerating objects: 21, done.
remote: Counting objects: 100% (21/21), done.
remote: Compressing objects: 100% (18/18), done.
remote: Total 21 (delta 3), reused 20 (delta 2), pack-reused 0
Unpacking objects: 100% (21/21), 460.93 KiB | 2.44 MiB/s, done.

pregnantplasmapressurethicknessinsulinbmipedigreeagediabetes01234

6	148	72	35	0	33.6	0.627	50	1
1	85	66	29	0	26.6	0.351	31	0
8	183	64	0	0	23.3	0.672	32	1
1	89	66	23	94	28.1	0.167	21	0
0	137	40	35	168	43.1	2.288	33	1

#데이터 정보 확인해보기 df["diabetes"].value_counts()

0 500 1 268 Name: diabetes, dtype: int64

#상관관계 그래프로 그려보기 colormap = plt.cm.gist_heat plt.figure(figsize=(12,12)) sns.heatmap(df.corr(), linewidths=0.1, vmax=0.5, cmap=colormap, linecolor='white', annot=True) plt.show

<function matplotlib.pyplot.show(*args, **kw)>

 

#상관관계 바탕 중요 데이터 간 관계 확인하기 ##plasma-diabetes plt.hist(x=[df.plasma[df.diabetes==0], df.plasma[df.diabetes==1]], bins=30, histtype='barstacked', label=['normal','diabetes']) plt.legend()

 

##bmi-diabetes plt.hist(x=[df.bmi[df.diabetes==0], df.bmi[df.diabetes==1]], bins=30, histtype='barstacked', label=['normal','diabetes']) plt.legend()

 

여기에서 기억해야할 내용들은 아래와 같다. 

 

[히스토그램 작성 시]

하나의 x를 가져올 때, 위의 그래프처럼 binary y에 따라 색을 구분하고 싶을 경우 다음과 같이 진행하면 된다.

x = [df.x1[df.y==0]] , [df.x2[df.y==1]]

histtype='barstacked' 

 

 

 

2. 데이터 예측하기 

#당뇨병 예측 실행 #데이터 지정 X = df.iloc[:,0:8] #- iloc[행인덱스, 열인덱스] y = df.iloc[:,8] #y_dum = pd.get_dummies(y) #모델 구조 설정 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense model = Sequential() model.add(Dense(12,input_dim=8, activation='relu', name='Dense_1')) #입력값 8, 출력값 12 model.add(Dense(8,activation='relu', name='Dense_2')) #입력값 12, 출력값 : 8 model.add(Dense(1, activation='sigmoid', name='Dense_3')) #입력값 8, 출력값 1 model.summary()

Model: "sequential_4"

_________________________________________________________________

Layer (type) Output Shape Param # =================================================================

Dense_1 (Dense) (None, 12) 108

Dense_2 (Dense) (None, 8) 104

Dense_3 (Dense) (None, 1) 9

=================================================================

Total params: 221 Trainable params: 221 Non-trainable params: 0 _________________________________________________________________

 

# 모델 컴파일 model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) history = model.fit(X, y, epochs = 100, batch_size=5)

 

기억해야할 내용 22 

 

 

[데이터 지정 시]

여러개의 컬럼 중 몇개를 x로 하나를 y로 지정하게 될 때 Iloc을 사용하게 된다. iloc은 인덱스 기반으로 열을 가져오는 역할을 하며 아래와 같이 사용할 수 있다.

df.iloc[행 범위, 열 범위] 

 

주의해야 할 것은 열범위는 결국 y 변수 하나이므로(아직까지는) [:,8] 같이 y에 해당하는 index만 똑 가져와야 한다. 

 

[은닉층 추가 관련]

앞의 층의 output이 input으로 들어오므로 첫번째 층을 제외하곤 input_dim을 추가하지 않아도 됨 

해당 층에 이름을 붙여주고 싶으면 Dense( ~~ , name='층이름') 작성해주면 됨 

 

Output shape은 각 층에서의 출력을 의미함 (행의 수, 열의 수) 

이 때 행의 수는 batch_size에 정한 만큼 입력되며, 딥러닝 모델에선 별도로 없어서 None으로 나타남 

 

Param은 파라미터수로 해당 층의 가중치와 바이어스 수의 합을 나타냄 

e.g. 2번째 층에서는 입력값이 12개 출력값이 8개 이므로 12*8 = 96, 각 노드에 더해지는 바이어스 수가 8개로 총 104개의 파라미터.