[Deep Learning] 딥러닝 히든레이어

 

왼쪽만 보았을 때, 13개의 입력을 받고 5개의 출력을 만드는 모델이라고 볼 수 있다. (다섯개의 수식이 필요할 것이다)

 

 

오른쪽 박스만 보았을 때, 다섯개의 입력을 받고 하나의 출력을 만드는 모델일 것이다.(한개의 수식)

 

 

각각의 모델을 연속적을 연결하여 하나의 거대한 신경망을 만드는 것이 딥러닝 인공신경망이다.

망을 깊게 쌓는 것이다 !

 

딥러닝이 찾은 새로운 5개의 특징. 이 특징이 어떤건지는 사람은 설명 못한다. 딥러닝이 찾은거다.

딥러닝이 스스로 다섯개의 유의미한 특징을 만들어서 최종결과를 만들었다고 말할 수 있다.

딥러닝 -> 특징 자동 추출기

 

---

import tensorflow as tf
import pandas as pd

# 데이터 준비

보스턴 = pd.read_csv('boston.csv')
보스턴.columns

독립= 보스턴[['crim', 'zn', 'indus', 'chas', 'nox', 'rm', 'age', 'dis', 'rad', 'tax', 'ptratio', 'b', 'lstat']]
종속= 보스턴[['medv']]

print(독립.shape, 종속.shape)

 

 

# 모델 준비
X = tf.keras.Input(shape=[13])
H = tf.keras.layers.Dense(5, activation = 'swish')(X) #히든레이어
Y = tf.keras.layers.Dense(1)(H) # X가 아닌 히든레이어 H
model = tf.keras.Model(X, Y)
model.compile(loss = 'mse')

model.summary()

H = tf.keras.layers.Dense(5, activation = 'swish')(X)  히든레이어 추가.

 

 

model.fit(독립, 종속, epochs=1000)

 

model.predict(독립[:5])

예측

 

종속[:5]

실제 값