생활코딩_Tensorflow_DeepLearning_01

이 문제를 해결하기 위해 사용하는 ML알고리즘은 다음과 같다

우리 수업에선 뉴럴네트워크를 사용한다.

불과 몇년 전만해도 사용할 수 없던 기능들

이제는 코드하나로 가능해졌다

바로 라이브러리를 통해서.

---

목표와 전략

원리, 수학, 코딩, 데이터를 알아야 딥러닝을 구현(코딩)할 수 있다.

딥러닝 입문 순서는 다음과 같다

---

지도학습의 빅픽쳐

1. 지도학습을 하려면 과거 데이터를 준비해

과거 데이터 속에서 원인(독립변수)과 결과(종속변수)를 인식할 것!

2. 예측하는 모델의 구조 만들기

종속변수, 독립변수의 개수에 따라 모델의 구조가 달라져

3. 데이터를 모델에 딱 맞게 해서 학습(FIT)시킨다.

학습을 통해 모델을 완성한다

예를들어, 온도에 2를 곱하면 매출이란 것을 학습시켜 모델을 만듦

4. 모델을 이용한다.

---

변수

 

달라질 수 있는 값, 변수

X = 1

X = 2

 

프로그램에서의 변수?

데이터를 담고 있다는 의미가 포함

Data = pd.read_csv(file_path)

 

표에서의 변수

칼럼을 변수라고 한다

관측치에 따라 값이 변한다

 

변수는 관측치에 따라 변수의 의미가 다르다.

대부분의 텍스트, 설명에서 변수라는 단어를 혼용하기에 데이터측면, 프로그램측면에서 사용한 것인지 맥락적으로 파악해야 이해가 가능하다.

 

 

지도학습은 이 2가지 변수(독립/종속)를 구분하는 것에서 시작한다.

Pandas는 Tensorflow와는 무관함

 

활용할 데이터

 

csv란 ,를 이용해서 칼럼들을 구분한 파일. 엑셀과 같은 테이블 프로그램으로 실행하면 표로 나타난다.

---

7. 레모네이드 판매 예측

 

 

---

8. 손실의 의미

LOSS를 구해보자

1. 독립,종속 변수 분리 후 모델 제작

2. 모델에 독립 변수 삽입하여 예측결과제작

3. 모델의 정확도를 평가하기 위해 종속변수와 예측결과를 비교

4. 종속변수와 예측결과의 차이를 제곱한 결과를 만들어준다

5. 이 제곱한 결과의 평균이 바로 LOSS

LOSS가 0에 가까울수록 학습이 잘 된 모델.

그래서 Epoch의 매학습진행도(정답정도)를 보며 LOSS가 0에 가까워지고 있는지를 확인하자

LOSS가 원하는 만큼 떨어지는지 확인할 것

---

9. tensorflow를 써서 레모네이드 판매 예측을 해보자

import tensorflow as tf
import pandas as pd

file_path = "https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/lemonade.csv"
df = pd.read_csv(file_path)
df.head()

# 종속변수, 독립변수
독립 = df[['온도']]
종속 = df[['판매량']]
print(독립.shape, 종속.shape)

(6, 1) (6, 1)

# model
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')

# verbose = 0를 통해 학습 과정 표시 X
model.fit(독립,종속,epochs=10000, verbose=0)

<tensorflow.python.keras.callbacks.History at 0x7f09d7282dd8>

# 10회 학습하기
model.fit(독립,종속,epochs=10)

loss를 보면 0.0001

 

# 독립변수를 넣어서 종속변수에 가까워졌는지 확인하자
model.predict(독립)

# 15도 일 때 몇 개의 레모네이드를 준비해야하나
model.predict([15])

array([[30.018724]], dtype=float32)

 

---