코딩으로 돈벌기

학습시 에포크차이에 따른 loss율 변화를 보는 방법 모델 학습시 이 딥러닝 중인 모델을 변수에 저장후 모델링변수.history 딕셔너리 형태로 저장이됨 = 고로 key값이 존재 한다는 의미 epoch_history.history.keys() plt.plot( epoch_history.history['loss'] ) plt.xlabel('# epochs') plt.ylabel('Loss') plt.show() 에포크 갯수에 따라 loss율의 변화를 관측 가능

데이터 확인: 목표 :성별 나이 연봉 카드 빚 자산으로 차량 가격 예측 인공지능 개발 1.nan데이터확인 2.X,y데이터 분리 3.분리된 X데이터에서 인코딩하기 4.피쳐스케일링 하기 분리된 X와y의 데이터의 범위가 완전 다르기 때문에 피쳐스케일링을 해줘야 하는데 이때 두개의 범위가 다다르니까 두개의 피쳐스케일러를 준비를 해줘야 한다. scaler_X = MinMaxScaler() X용 scaler_y = MinMaxScaler() y용 X = scaler_X.fit_transform(X.values) y.values.reshape(500,1) y_scaled = scaler_y.fit_transform(y.values.reshape(500,1)) y는 시리즈 이기때문에 values로 바꿔준다음 진행 5...

from keras.wrappers.scikit_learn import KerasClassifier from sklearn.model_selection import GridSearchCV from keras.models import Sequential from keras.layers import Dense 기본 import문 그리드 서치의 기본은 1. 모델링을 함수로 만들기 2.그리드 서치용 클래서파이어 만들기 model = KerasClassifier(build_fn= 인공지능 함수) 그리드 서치로 찾을 여러 조합 함수로 지정 my_param = {'batch_size' : [10,20,32] , 'epochs' : [20,30,50], 'optimizer' : [옵티마이저 종류] } grid = Gr..

def build_model(optimizer): #모델링 model = Sequential() model.add( Dense(units = 6 , activation = 'relu' , input_shape=(11,) ) ) model.add(Dense(units = 8 , activation = 'relu' )) model.add( Dense(units=1 , activation = 'sigmoid' )) model.compile(optimizer = optimizer, loss = 'binary_crossentropy' ,metrics= [ 'accuracy' ] ) return model 컴파일에 옵티마이저 파라미터에 저위에있는 빌드_모델(옵티마이저)에 괄호안에있는 옵티마이저 라는 변수를 옵티마이..

기본 필요 import문 import numpy as np import pandas as pd 머신러닝과 같은 순서를 가졌다고 생각하면 된다. from sklearn.preprocessing import OneHotEncoder , LabelEncoder from sklearn.compose import ColumnTransformer 1.nan데이터 확인 2.X,y데이터 분리 3.분리된 X데이터에서 인코딩하기 2개는 레이블 3개이상은 원핫 4.피쳐스케일링 하기 딥러닝은 무조건 피처스케일링을 해줘야 한다. from sklearn.preprocessing import MinMaxScaler 5.트레이닝 셋 나누기 from sklearn.model_selection import train_test_split..