인공지능/딥러닝

딥러닝 : learning rate를 optimizer에 셋팅하기.

이전에는 아래와같이 코드를 작성하였다. model.compile(optimizer='Adam',loss='mse' 오차가 최소가 되는 점을 찾아야하는데, 아래 사진을 보면 너무 오래 걸릴 수도 있고, 지나칠 수도 있다 그래서 모델링을 하는 과정에 아래 코드와 같이 learning rate를 설정해 줄 수 있다. def build_model(): model = Sequential() model.add(Dense(units=64,activation='relu',input_shape=(9,))) model.add(Dense(units=64,activation='relu')) model.add(Dense(units=1,activation='linear')) model.compile(optimizer=tf.ker..

딥러닝 : Tensorflow로 리그레션 문제 모델링 하는 방법

우선 사용할 라이브러리들 import후 데이터 프레임을 불러옵니다. import numpy as np import matplotlib.pyplot as plt import pandas as pd import seaborn as sns csv 파일을 읽기 위해, 구글 드라이브 마운트를 진행합니다. from google.colab import drive drive.mount('/content/drive') working directory 를, 현재의 파일이 속한 폴더로 셋팅합니다. import os os.chdir('/content/drive/MyDrive/Colab Notebooks/ml_plus/data') 데이터 프레임을 불러옵니다. df = pd.read_csv('Car_Purchasing_Data...

딥러닝 : GridSearch를 이용한 최적의 하이퍼 파라미터 찾기

# Tuning the ANN from keras.wrappers.scikit_learn import KerasClassifier from sklearn.model_selection import GridSearchCV from keras.models import Sequential from keras.layers import Dense 우선 필요한 라이브러리들을 임포트 해줍니다. # tensorflow로 그리드서치 하기 위해서 # 1. 모델링하는 함수를 만든다. from keras.layers.attention.multi_head_attention import activation def build_model(optimizer): # 모델링 model = Sequential() model.add(Dense..

딥러닝 : Dummy variable trap

# France , Germany , Spain 3개 컬럼으로 만들었는데, # 실제로는 원핫 인코딩을 수행한 후에, 맨 왼 쪽 컬럼은 삭제해도 # 0과 1로 데이터를 전부 나타낼 수 있다. # 즉, France 컬럼을 삭제해도 # Germany,Spain # 0 0 => France # 1 0 => Germany # 0 1 => Spain # 이렇게 맨 왼 쪽 france컬럼을 삭제해도 3개의 데이터를 모두 나타낼 수 있다. X_df=pd.DataFrame(X) X_df.drop(0,axis=1,inplace=True) X = X_df.values 이렇게 사용하는 이유는 메모리를 효율적으로 사용하기 위함입니다.