[딥러닝] 선형 회귀 적용하기

데이터 확인

import pandas as pd

df = pd.read_csv(”../dataset/housing.csv”, delim_whitespace=True, header=None)
print(df.info())

Range Index:506 entries,0 to 505
Data columns (total 14 columns):
0	506	non-null	float64
1	506	non-null	float64
…	…	…	…
13	506	non-null	float64
Dtypes: float64(12), int64(2)
memory usage: 55.4 KB

Index 506개= 총 샘플의 수는 506개

컬럼 14개= 13개의 속성과 1개의 클래스

 

0	1	2	3	…	12	13
0	0.00632	18.0	2.31	0	…	4.98	24.0
1	0.02731	0	7.07	0	…	9.14	21.6
2	0.02729	0	7.07	0	…	4.03	34.7
3	0.03237	0	2.18	0	…	2.94	33.4
4	0.06905	0	2.18	0	…	5.33	36.2

0 CRIM : 인구 1인당 범죄 발생 수

1 ZN : 25,000평방 피트 이상의 주거 구역 비중

2 INDUS : 소매업 외 상업이 차지하는 면적 비율

3 CHAS : 찰스강 위치 변수(1: 강 주변 / 0: 이외)

4 NOX: 일산화질소 농도

5 RM: 집의 평균 방 수

6 AGE: 1940년 이전에 지어진 비율

7 DIS: 5가지 보스턴 시 고용 시설까지의 거리
8 RAD: 순환고속도로의 접근 용이성
9 TAX: $10,000당 부동산 세율 총계
10 PTRATIO: 지역별 학생과 교사 비율
11 B: 지역별 흑인 비율
12 LSTAT : 급여가 낮은 직업에 종사하는 인구 비율(%)

13 가격(단위 $1,000)

 

---

선형 회귀 실행 -  마지막에 참과 거짓을 구분, 출력층에 활성화 함수를 지정할 필요도 없습니다.

 

model = Sequential()
model.add(Dense(30, input_dim=13, activation=‘relu’))
model.add(Dense(6, activation=‘relu’))
model.add(Dense(1))

모델의 학습이 어느 정도 되었는지 확인하기 위해 예측 값과 실제 값을 비교하는 부분을 추가

Y_prediction = model.predict(X_test).flatten()
for i in range(10):
    label = Y_test[i]
    prediction = Y_prediction[i]
    print(“실제가격: {:.3f}, 예상가격: {:.3f}”.format(label, prediction))

flatten() 함수 : 데이터 배열 1차원으로 바꿔 읽기 쉽게 해 주는 함수

 range(‘숫자’)는 0부터 ‘숫자-1’만큼 차례대로 증가하며 반복되는 값을 만듭니다.

( range(10)은 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]  )

 

from keras.models import Sequential
from keras.layers import Dense
from sklearn.model_selection import train_test_split
 
import numpy
import pandas as pd
import tensorflow as tf
  
# seed 값 설정
seed = 0
numpy.random.seed(seed)
tf.random.set_seed(3)
 
df = pd.read_csv("../dataset/housing.csv", delim_whitespace=True, header=None)
 
dataset = df.values
X = dataset[:,0:13]
Y = dataset[:,13]
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.3, random_state=seed)
 
model = Sequential()
model.add(Dense(30, input_dim=13, activation='relu'))
model.add(Dense(6, activation='relu'))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(X_train, Y_train, epochs=200, batch_size=10)
  
# 예측 값과 실제 값의 비교
Y_prediction = model.predict(X_test).flatten()
for i in range(10):
    label = Y_test[i]
    prediction = Y_prediction[i]
    print("실제가격: {:.3f}, 예상가격: {:.3f}".format(label, prediction))

실행결과
실제가격: 22.600, 예상가격: 20.133
실제가격: 50.000, 예상가격: 24.157
실제가격: 23.000, 예상가격: 28.158
실제가격: 8.300, 예상가격: 13.419
실제가격: 21.200, 예상가격: 22.280
실제가격: 19.900, 예상가격: 23.254
실제가격: 20.600, 예상가격: 20.012
실제가격: 18.700, 예상가격: 26.365
실제가격: 16.100, 예상가격: 18.521
실제가격: 18.600, 예상가격: 11.163

 

 

실제가격과 예상가격이 비례하여 변화