★Tensorflow이용 머신러닝-01 딥러닝★

기존 프로그래밍 : 데이터를 입력해서 답을 구하는 데 초점

 

머신러닝: 데이터 안에서 규칙 발견하고 ==> 그 규칙을 새로운 데이터에 적용해서 새로운 결과 도출

 

==> 기존 데이터를 이용해 아직 일어나지 않은 미지의 일을 예측

 

 

학습(Training) : 

 

==> 데이터가 입력되고 패턴이 분석되는 과정

 

 

==> 예측 성공률은 얼마나 정확한 경계선을 긋느냐에 달려 있다.

 

==> 랜덤 포레스트(Random Forest) , 서포트 벡터 머신(Support vector machines) 등 많은 방법들이 세상에 있다.

 

==> 딥러닝은 머신러닝 방법 가운데 가장 효과적인 방법

 

loss : 예측에서 빗나간 정도

 

accuracy : 예측이 성공할 확률 ==> 정확도 1.0 ==> 100% 모두 맞힌다는 뜻

 

==> 새로운 환자의 정보를 입력하면 이 환자의 수술 후 생존율은 86%이상 맞힌다

 

 

 

Tensorflow ==> 목적지까지 빠르게 이동시켜주는 '비행기'에 해당

 

Keras ==> 비행기의 이륙 및 정확한 지점까지 도착을 책임지는 '파일럿'에 해당

 

딥러닝 라이브러리에는 텐서플로 외에도 파이토치 등 다양한 종류가 존재

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

model = Sequential()
model.add(Dense(30, input_dim=17, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

==> Sequential()함수는 딥러닝의 구조를 한 층 한 층 쉽게 쌓아올릴 수 있게 해준다.

 

==> model.add() 함수를 사용해 필요한 층을 차례로 추가하면 된다.

 

==> 2개의 층을 쌓아 올렸다.

 

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

==> complie()함수를 사용해 딥러닝의 구조와 층별 옵션을 정하고 나면 실행 시킨다.