回帰(Regression)
6895 ワード
分類と回帰の違い
ぶんかつ
回帰
AIは体格だけで体重を推定できますか?
ニューラルネットワーク構造
深さ学習モデル符号化
"""
Author : Byunghyun Ban
from tensorflow import keras
import data_reader
# 몇 에포크 만큼 학습을 시킬 것인지 결정합니다.
EPOCHS = 50 # 예제 기본값은 50입니다.
# 데이터를 읽어옵니다.
dr = data_reader.DataReader()
# 인공신경망을 제작합니다.
model = keras.Sequential([
keras.layers.Dense(7),
keras.layers.Dense(256, activation="relu"),
keras.layers.Dense(256, activation="relu"),
keras.layers.Dense(256, activation="relu"),
keras.layers.Dense(256, activation="relu"),
keras.layers.Dense(1, activation='sigmoid')
])
# 인공신경망을 컴파일합니다.
# 인공지능이 예측한 값을 실제 값을 뺀 수치를 오차(error)라고 한다.
# mse는 mean squared error의 약자이며 mae는 오차의 절댓값들을 구해 평균을 구한 값이다.
# mse는 인공지능이 예측한 대량의 결과물을 손쉽게 하나의 점수로 수량화할 수 있다는 장점이 있다.
# 분류 문제에는 크로스 엔트로피를 회귀 문제에서는 mse를 대부분 사용한다.
model.compile(optimizer="adam", loss="mse", metrics=['mae'])
# 인공신경망을 학습시킵니다.
print("\n\n************ TRAINING START ************ ")
early_stop = keras.callbacks.EarlyStopping(monitor='val_loss', patience=10)
history = model.fit(dr.train_X, dr.train_Y, epochs=EPOCHS,
validation_data=(dr.test_X, dr.test_Y),
callbacks=[early_stop])
# 학습 결과를 그래프로 출력합니다.
data_reader.draw_graph(model(dr.test_X), dr.test_Y, history)
Reference
この問題について(回帰(Regression)), 我々は、より多くの情報をここで見つけました https://velog.io/@dragonsky2357/회귀Regressionテキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol