Deep Learning16 패션데이터 분류 실습 [ 이미지 / 다중분류 ] 답데이터 : 0~9가 6000개씩 있음 (6만장) plt.imshow(data명, cmap = '색깔') 을 이용해서 이미지 출력 레이블이 3 이상일 경우 기계가 이해하기위해 0 또는 1로 변경 필요 sklearn.model_selection 의 train_test_split을 이용하여 훈련셋 / 검증셋 분리 from tensroflow.keras.layers import Flatten 이미지를 1차원데이터로 가공해주는 Flatten Flatten( input_shape =( ) )으로 이미지파일 1차원 데이터로 가공 이후 Dense로 층 쌓기 ( 활성화함수 activation Relu) 출력층 activation 활성화 함수 softmax model.evaluate 로 모델 평가하기 2022. 9. 8. 손글씨 숫자데이터 분류 실습 [ 이미지 / 다중분류 ] plt,imshow() : 이미지 살펴보기 2022. 9. 7. 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. 이전 1 2 3 4 다음
