10장 딥러닝 모델 설계하기 (2장 딥러닝의 핵심 미리 보기)¶

1. 환경 준비¶

In [1]:

# 텐서플로 라이브러리 안에 있는 케라스 API에서 필요한 함수들을 불러옵니다.
from tensorflow.keras.models import Sequential  
from tensorflow.keras.layers import Dense   

# 데이터를 다루는 데 필요한 라이브러리를 불러옵니다.
import numpy as np

# 텐서플로 라이브러리 안에 있는 케라스 API에서 필요한 함수들을 불러옵니다. from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense # 데이터를 다루는 데 필요한 라이브러리를 불러옵니다. import numpy as np

2. 데이터 준비¶

In [2]:

# 깃허브에 준비된 데이터를 가져옵니다.
!git clone https://github.com/taehojo/data.git   

# 준비된 수술 환자 데이터를 불러옵니다.
Data_set = np.loadtxt("./data/ThoraricSurgery3.csv", delimiter=",")  
X = Data_set[:,0:16]    # 환자의 진찰 기록을 X로 지정합니다.
y = Data_set[:,16]      # 수술 1년 후 사망/생존 여부를 y로 지정합니다.

# 깃허브에 준비된 데이터를 가져옵니다. !git clone https://github.com/taehojo/data.git # 준비된 수술 환자 데이터를 불러옵니다. Data_set = np.loadtxt("./data/ThoraricSurgery3.csv", delimiter=",") X = Data_set[:,0:16] # 환자의 진찰 기록을 X로 지정합니다. y = Data_set[:,16] # 수술 1년 후 사망/생존 여부를 y로 지정합니다.

3. 구조 결정¶

In [3]:

# 딥러닝 모델의 구조를 결정합니다.
model = Sequential()                                                   
model.add(Dense(30, input_dim=16, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

# 딥러닝 모델의 구조를 결정합니다. model = Sequential() model.add(Dense(30, input_dim=16, activation='relu')) model.add(Dense(1, activation='sigmoid'))

4. 모델 실행¶

In [4]:

# 딥러닝 모델을 실행합니다.
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) 
history=model.fit(X, y, epochs=5, batch_size=16)

# 딥러닝 모델을 실행합니다. model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) history=model.fit(X, y, epochs=5, batch_size=16)

Epoch 1/5
30/30 [==============================] - 1s 2ms/step - loss: 0.4955 - accuracy: 0.8426
Epoch 2/5
30/30 [==============================] - 0s 2ms/step - loss: 0.4502 - accuracy: 0.8511
Epoch 3/5
30/30 [==============================] - 0s 2ms/step - loss: 0.4412 - accuracy: 0.8511
Epoch 4/5
30/30 [==============================] - 0s 2ms/step - loss: 0.4613 - accuracy: 0.8511
Epoch 5/5
30/30 [==============================] - 0s 2ms/step - loss: 0.4373 - accuracy: 0.8511