Machine Learning ( Keras)

https://tykimos.github.io/lecture/

 

가상 개발환경 만들기

    conda create -n tf_gpu python=3.6 anaconda

 

가상 개발환경 실행    

    conda activatetf_gpu

 

텐서플로우 설치

    pip install tensorflow

 

케라스 설치

    pip install keras

 

> deactivate                     #가상환경 접속종료하기

> conda remove -n tf_gpu –all    #가상환경 삭제/제거하기

 

tensorlow-gpu 사용을 위해서 nvidia cuda 를 설치해야 한다

    10.1 버전으로 설치하면 오류 디지게 남 >> 10.0 으로 바꾸셈

https://itchipmunk.tistory.com/104

 

교제 예제 소스 :  https://github.com/gilbutITbook/006958

 

[모두의 딥러닝] 02. 처음 해 보는 딥러닝

• 미지의 일을 예측하는 힘

• 기존 : 데이터 입력 -> 답을 구함

• 머신러닝 : 데이터 안에서 규칙을 발견 -> 새로운 데이터에 그 규칙 적용 -> 새로운 결과 도출

 

 

 

 

• 학습 : 데이터 입력 -> 패턴 분석 과정

 

 

• 1. 기존 환자 데이터 이볅

• 2, 머신러닝 학습

• 3. 새로운 환자 예측

    >> 머신러닝의 예측 성공률 : 결국 얼마나 정확한 경계선을 긋는가

    >> 방법 : 랜덤 포레스트 (random forest), 서포트 벡터 머신(support vector machiens) 등

 

• 폐암 수술 환자의 생존율 예측하기

• 예제 소스 : deep_code/01_My_First_Deeplearning.py

# -*- coding: utf-8 -*-

# 코드 내부에 한글을 사용가능 하게 해주는 부분입니다.

 

# 딥러닝을 구동하는 데 필요한 케라스 함수를 불러옵니다.

from keras.models import Sequential

from keras.layers import Dense

 

# 필요한 라이브러리를 불러옵니다.

import numpy

import tensorflow as tf

 

# 실행할 때마다 같은 결과를 출력하기 위해 설정하는 부분입니다.

seed = 0

numpy.random.seed(seed)

tf.set_random_seed(seed)

 

# 준비된 수술 환자 데이터를 불러들입니다.

Data_set = numpy.loadtxt("../\dataset/ThoraricSurgery.csv", delimiter=",")

 

# 환자의 기록과 수술 결과를 X와 Y로 구분하여 저장합니다.

X = Data_set[:,0:17]

Y = Data_set[:,17]

 

# 딥러닝 구조를 결정합니다(모델을 설정하고 실행하는 부분입니다).

model = Sequential()

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

model.add(Dense(1, activation='sigmoid'))

 

# 딥러닝을 실행합니다.

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

model.fit(X, Y, epochs=30, batch_size=10)

 

# 결과를 출력합니다.

print("\n Accuracy: %.4f" % (model.evaluate(X, Y)[1]))

 

 

• 데이터 : dataset/ThararicSurgery.csv

 

• 첫 째 행, 1번 ~ 17번 : 속성

• 18번 : 클래스 (1: 수술 후 생존, 0 : 수술 후 사망)

 

 

[모두의 딥러닝] 03. 가장 훌륭한 예측선 긋기 : 선형 회귀

 

:: 딥러닝의 가장 밑 단에서 이루어지는 가장 기본적인 두 가지 계산 원리

:: 1. 선형 회귀

:: 2. 로지스틱 회귀

 

• 선형 회귀의 정의

• 1. "학생들의 중간고사 성적이 다 다르다."

• 2. 학생들의 중간고사 성적이 [         ]에 따라 다르다."

• [      ] 부분 : 시험 성적을 좌우할 만한 것들, '정보'라고 한다.

• x : '정보' 요소, 독립 변수

• y : x값에 의해 변하는 '성적', 종속 변수

 

    >> 단순 선형 회귀 (simple linear regression) : 하나의 x값만으로도 y값을 설명

    >> 다중 선형 회귀 (multiple linear regression) : x값이 여러 개 필요할 떄

 

• 가장 훌륭한 예측선이란 ?

• 공부한 시간 x = { 2, 4, 6, 8} (단위 : 시간)

• 성적 y = { 81, 93, 91, 97 } (단위 : 점)

• 선은 직선, 일차 함수 그래프

• y = ax + b

• a 는 직선의 기울기, y값의 증가량 / x값의 증가량

• b는 y축을 지나는 값인 'y 절편'

 

    >> 선형 회귀 : 정확한 직선을 그려내는 과정

        >>>> 최적의 a갑솨 b 값을 찾아내는 과정