Deep Learning/keras7 Iris 데이터 품종 분류 실습 [ 다중 분류 ] np.unique(확인할 데이터, return_counts = True) 로 답 데이터의 종류가 3개인것과 각각 50개씩인것을 확인함 pd.get_dummies(정답데이터) 혹은 from tensorflow.keras.utils import to_categorical to_categorical(정답데이터) 로 인코딩 해주기 차이점은 Numpy 배열로 반환받느냐, Pandas 객체로 받느냐의 차이 Sequential 모델 객체 선언후 입력층 중간층 출력층 쌓기 다중분류 출력층 활성화함수(activation : softmax) compile 로 학습.평가방법 설정 (loss 손실함수 : 이진 binary_crossentropy / 다중분류 categorical_crossentropy) model.evalua.. 2022. 9. 6. 유방암데이터 이진분류 실습 bunch형 데이터 = 딕셔너리 from sklearn.model_selection import train_test_split 을 이용해서 훈련셋 테스트셋 분류 Sequential 모델 객체 선언후 입력층 , 중간층, 출력층 쌓기 input_dim : 특성 개수 activation : 활성화함수 (자극 반응) compile 로 학습/평가 방법 설정후 fit으로 학습 (epochs로 횟수 지정) 2022. 9. 5. 폐암데이터 이진분류 실습 딥러닝 신경망 구성 1. 구조 설계 (뼈대 / 층쌓기) 2. 학습 / 평가 방법 설정 3. 학습시키고 시각화 4. 모델 평가 Sequential로 모델 객체 선언후 model.add( )로 입력층 / 중간층 / 출력층 쌓기 입력층 : input_dim = 특성입력 개수, activation = '활성화함수 종류', units = '적당히 개수' 중간층1 : input_dim 안넣어줘도 됨 (입력층에서 넣음). activation 활성화함수와 units만 넣으면 됨 중간층2 ... 출력층 : 이진분류의 activation은 0과 1로 나눠주는 sigmoid로 고정 / units 도 1로 고정됨 학습 / 평가 방법 설정 . compile ( loss = ? , optimizer = ? , metrics = .. 2022. 9. 5. 이전 1 2 다음
