[딥러닝] 모델 설계하기

폐암 수술 환자의 생존율 예측하기

 

전체 코드

# -*- coding: utf-8 -*-
# 코드 내부에 한글을 사용가능 하게 해주는 부분입니다.

# 딥러닝을 구동하는 데 필요한 케라스 함수를 불러옵니다.
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# 필요한 라이브러리를 불러옵니다.
import numpy as np
import tensorflow as tf

# 실행할 때마다 같은 결과를 출력하기 위해 설정하는 부분입니다.
np.random.seed(3)
tf.random.set_seed(3)

# 준비된 수술 환자 데이터를 불러들입니다.
Data_set = np.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='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X, Y, epochs=100, batch_size=10)

 

model 함수 : 모델을 설정하고 구동 (= 딥러닝의 구조)

 

model = Sequential()  : 딥러닝의 구조를 짜고 층을 설정하는 부분

 

model.compile() :컴파일 

 

model.fit() : 모델을 실제로 수행

 

 

 

입력층 출력층 은닉층

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

 

딥러닝 = 퍼셉트론 위에 퍼셉트론 층을 차곡차곡 추가하는 형태

 

Sequential()함수를 model로 선언하고 model.add() - 새로운 층 추가

위 코드는 두개의 층을 가진 모델을 만든 것이다

맨 마지막 층 = 출력층 (결과를 출력한다.)   나머지 = 은닉층

 

각각의 층은 Dense함수로 구체적 구조를 결정 , 몇 개의 노드를 만들것인지

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

: 30개의 노드를 만들겠다

: input_dim = 입력 데이터에서 몇 개의 값을 가져올 것인가?

 

:::  데이터에서 17개의 값을 받아 은닉층으로 30개의 노드를 보낸다   

 

• keras는 입력층을 따로 만드는 것이 아니라, 첫 번째 은닉층에 input_dim 를 적음 => 첫번째 Dense가 은닉층+입력층 역할
• 두번째 Dense는 출력층을 의미

은닉층의 각 노드는 17개의 입력 값에서 임의의 가중치를 가지고 각 노드로 전송되어 활성화 함수를 만난다

그리고 활성화 함수를 거친 결괏값이 출력층으로 전달된다.

activation부분에 원하는 활성화 함수 적기 (렐루)

 

출력층 : model.add(Dense(1, activation='sigmoid'))출력층의 노드 수는 1 (출력값을 하나로 정해서 보여 줘야 하므로)이 노드에서 입력 받은 값 역시 활성화 함수를 거쳐 최종 출력 값으로 나와야 함 (시그모이드 사용)

 

 

 

모델 컴파일

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

 

1. 어떤 오차함수 사용할지 정한다
   • (평균 제곱 오차 함수 사용 - 수렴하기까지 시간이 많이 걸림/// 교차 엔트로피 계열의 함수도 사용 가능)
2. 최적화 위한 방법 결정
3. metrics() 컴파일될 때 모델 수행 결과 나타나게끔 설정
   • 정확도 측정에 사용되는 테스트 샘플을 학습 과정에서 제외시킴으로써 과적합 문제 방지

교차 엔트로피

주로 분류 문제에서 사용

특히, 예측 값이 참.거짓 둘 중 하나 일 때 이항 교차 엔트로피 (binary crossentropy) 사용 ( 사망(0),생존(1) 둘 중 하나)

 

 

딥러닝 관련 keras에서 많이 사용되는 오차 함수

 

 

 

모델 실행하기

model.fit(X, Y, epochs=100, batch_size=10)

 

model.fit() 컴파일 단게에서 정해진 환경을 주어진 데이터를 불러 실행시킬 때 사용되는 함수

 

 

1 epoch (에포크) = 학습 프로세스가 모든 샘플(첫번째환자,두번째 환자....)에 대해 한 번 실행되는 것

epochs = 100 각 샘플이 처음부터 끝까지 100번 재사용될때까지 실행 반복

 

batch size = 샘플을 한 번에 몇 개씩 처리할 것인가? 

10 : 전체 470개의 샘플을 10개씩 끊어서 집어넣어라

 

너무 크면 학습 속도가 느려지고 너무 작으면 각 실행 값의 편차가 생겨 전체 결괏값이 불안정

자신의 컴퓨터가 감당할 만큼의 batch size로 설정!

 

 

 

---

실행결과