[8주차]딥러닝

딥러닝

---

1. ANN

• Artificial Neural Network
• 은닉 계층을 포함하는 인공신경망 기술
  

1-2. Sequential API

# 모델 선언, 레이어 블록을 쌓을 발판 생성
model = keras.models.Sequential()

# 모델 블록 조립
model.add( keras.layers.Input(shape=(1,)) ) # input layer
model.add( keras.layers.Dense(1) ) #output layer

1-3. Functional API

#레이어들을 사슬로 연결하 듯이 연결!
input_layer = keras.layers.Input(shape=(1,))
output_layer = keras.layers.Dense(1)(input_layer)

#모델의 시작과 끝을 지정
model = keras.models.Model(inputs=input_layer, outputs=output_layer)

2. 딥러닝 선형회귀 & 로지스틱 회귀 & 멀티클래스 분류

	선형회귀	로지스티 회귀	멀티클래스 분류
ol activation	x or linear	sigmoid	softmax
compile loss	mse	binary_crossentropy	categorical_crossentropy

3. hidden layer

• activation : relu
• node : 이전 레이어에서 부터 추출된 새로운 feature
• hidden layer 수? : 내가 추출하고자 하는 feauture의 수준
  -> 단 최적의 레이어와 최적의 노드수를 찾아야한다
• 노드 추가로 모델 성능 개선? -> 필요해서!
• 노드 제거시 모델 성능 유지? -> 불필요해서!

4. 활성화 함수

• sigmoid : 미세한 변화에 대한 값도 반영하기 위해 사용
  
• relu : 입력이 0을 넘으면 입력 그대로 출력, 0 이하일 땐 0을 출력
  
• softmax : 입력받은 값을 0~1 사이의 값으로 정규화하며 총합이 항상 1이 되는 특성을 가진 함수

5. Feature Representation

• 연결된 것으로부터 기존에 없던 새로운 특징을 만들어내는 과정

6. 전처리

• x : reshape, scaling, flatten
• y : encoding

7. Earlystopping

• 성능 개선의 기준을 제시

from tensorflow.keras.callbacks import EarlyStopping
es=EarlyStopping(monitor='val_loss',verbose=1,min_delta=0,restore_best_weights=True,patience=5)