인공 신경망 (Neural Network)

• 사람의 뇌세포를 묘사해서 구조를 만들고 사람의 두뇌처럼 연결해 놓은것이 인공 신경망이다.

학습의 순서

• 과거의 데이터를 준비하고 -> 모델의 선택 및 구조를 만든다. -> 데이터로 모델을 학습 합니다 -> 모델을 이용한다.

데이터 준비

import pandas as pd

lemon_df = pd.read_csv("https://raw.githubusercontent.com/blackdew/ml-tensorflow/master/data/csv/lemonade.csv")

x = lemon_df[['온도']] # 데이터 프레임화
y = lemon_df[['판매량']] # 데이터 프레임화 

모델의 구조

import tensorflow as tf

X = tf.keras.Input(shape = [1]) # 관측치 하나의 데이터의 모양
Y = tf.keras.layers.Dense(1)(X) # 뉴런 하나로 학습한 모델이다.
model = tf.keras.Model(X,Y)
model.compile(loss = "mse")

• Input shape 와 Dense 안에 수치는 종속변수와 독립변수의 개수를 말한다.
• 모델과 예측의 차이를 제곱해서 평균을 내는것이 "MSE" 이다 회귀 문제에서 사용된다.

모델의 학습

model.fit(x,y,epochs = 1000)

• epochs = 학습을 몇번 할것인지 를 나타낸다.
• 학습이 끝나는것을 확인하는 방법은 loss 값이 꾸준히 작아지는것을 확인하는것이다.

모델의 예측

model.predict([[15]])

• 예측은 sklearn 이랑 똑같이 predict 함수를 사용한다.

선형식

model.get_weights() # 1.9648511 * 온도 + 0.8069922 = 판매량