2021 머신러닝야학 - 6

 

딥러닝을 제대로 된 코드로 익히는 것은 쉽지만은 않고, 보통 요런 순서대로 배운다고 합니다.
1. 파이썬 기초 (ㅇ)
2. 데이터 입문 (ㅇ)
3. 머신러닝 이해 (ㅇ)
4. 딥러닝의 원리 - 저는 지금 여기에 있구요~
5. 딥러닝 구현

하지만 코딩야학에서는 다른 방식으로 수업을 진행한다고 하네요.
원인이 되는 간단한 코드를 작성하며 경험하고 결과로서 코드의 동작과 학습과정을 공부한다.
이걸 어떻게 사용할 수 있을지 고민 해보는 방법을 반복하면서 코드와 알고리즘의 동작에 익숙해 질 수 있도록 한다.

=> 지도학습의 방법과 같다!!!!

원리와 수학을 배제할 수는 없다. 최대한 경제적으로 조금만 배울 예정!
** 수능수학에 미적분이 빠져있던 나는 대학에 들어가서 미적분을 배우고 싶다는 생각이 들었고, 교양수업 이었지만 수학 수업을 들었던 기억이 난다. ㅎㅎ 패기가 넘쳤던 그때가 자랑스럽다. ㅋㅋㅋ

지도학습을 하는 과정을 정리해보자! - 머리속에 전체 4단계를 담기!!

판매량을 예측하는 것이 나의 목표
1. 과거의 데이터를 준비합니다 : 온도와 판매량 사이에 관계가 있다는 것을 발견! 독립변수 - 종속변수
2. 모델의 구조를 만든다. :
3. 데이터로 모델을 학습(FIT)합니다.
4. 모델을 이용합니다.

<자 이제 코딩 시자악~!!>

가상환경을 설정하고, tensorflow와 pandas 패키지 설치 소스코드편집기는 VSCODE로 사용! 

1, 레모네이드 판매 예측 : 뉴런 한개로 동작하는 간단한 모델 (초록색 주석 참조!)

** Fit 함수에 대해서 조금 더 알아볼까요? 횟수 / 걸린시간 / Loss의 결과물로 보여줌

loss 학습이 얼마나 진행되었는지 알려주는 부분. 각 학습이 끝날 때마다 모델이 얼마나 정답에 가까운 결과를 내는지 알 수 있다. 실제 정답과의 차이의 평균 값을 의미하므로 0과 가까울 수록 정확도가 높아진다.

epochs = 훈련하고자 하는 횟수 / verbose = 0 훈련 값을 화면에서 보지 않도록 하는 방법

 

2. 보스턴 집값 예측 :

행 = 타운 하나 / 열 = 타운의 특성 / 가장 중요한 열 = MEDV (중간값 : 집단을 대표하기 좋은 값)

cf.평균값(평균이지만 대표성을 띄지 못할 떄가 있음 Ex) / 이상치 (아웃라이어) => 통계를 공부하는 것도 좋은 방법!

인간이 MEDV 값을 예측하는 공식을 짜는 것은 너무 힘들다. 하지만 텐서플로우를 이용한다면 손쉽게 가능!

구현해보기!

loss = 'mse' 에 대한 궁금증이 생긴 나는 search! 주석에 꼼꼼히 정리.  참고. m.blog.naver.com/wideeyed/221025759001

딥러닝 손실함수 MSE(Mean Squared Error), CEE(Cross Entropy Error)

model.get_weights() = 모델의 수식을 확인할 수 있다. 실제 나온 값으로 만들어 본 수식

 

Q1. 왜 2,000번 학습을 시켰는데도 오히려 더 loss값이 더 올라가는 경우도 있는 걸까?

cf. 딥러닝 워크북으로 엑셀을 사용해서 실제 딥러닝이 학습하는 원리를 배우기..!! Oh No