tensorflow legression 유형 모델링 하기

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.트레이닝 셋 나누기

from sklearn.model_selection import train_test_split

X_train,X_test,y_train,y_test = train_test_split(X,y_scaled,test_size=0.25,random_state=50)

 

 

---

딥러닝 모델링

 

import tensorflow.keras
from keras.models import Sequential
from keras.layers import Dense
from sklearn.preprocessing import MinMaxScaler

def build_model() :
  model = Sequential()
  model.add( Dense(units=5 , activation='relu' ,input_shape=(5,)  )    )
  model.add( Dense(units=25 , activation='relu'))
  model.add(  Dense(units=10 , activation='relu'))
  model.add( Dense(units=1 , activation='linear' ) )
  model.compile( optimizer='adam'  , loss = 'mse' , metrics= [ 'mse' , 'mae'   ]  )
  return model

loss나 metrics를 mse로 확인하는건 리그레션 문제이기때문이다.

 

---

학습하기

model.fit(X_train,y_train,batch_size = 10 , epochs = 20)

---

평가하기

 

model.evaluate(X_test,y_test)
y_pred = model.predict(X_test)

---

차이값 확인하고 mse계산 및 차트로 표현하기

error = y_test - y_pred
(error ** 2).mean()

아까 평가할때 나왔던 값과 똑같이 나옴

 

plt.plot(y_test)
plt.plot(y_pred)
plt.show()

---

새로운 데이터 넣을때

 

여자이고, 나이는 38, 연봉은 90000, 카드빚은 2000, 순자산은 500000 일때, 어느정도의 차량을 구매할 수 있을지 예측하시오.

남자이고, 나이는 27, 연봉은 30000, 카드빚은 10000, 순자산은 300000 일때, 어느정도의 차량을 구매할 수 있을지 예측하시오.

new_data = np.array( [  [  1,38,90000,2000,500000  ] ,[0,27,30000,10000,300000 ] ]   )
or
new_data = np.array( [   1,38,90000,2000,500000  ,0,27,30000,10000,300000 ]    )
new_data.reshape(2,5)

새로운x값의 스케일러 및 모델링 진행

new_data = scaler_X.transform(new_data)
y_pred = model.predict(new_data)
scaler_y.inverse_transform(y_pred)

y값이 스케일되어있으니까 다시 원상복구시켜서 우리들 단위로 바꿔준다.

 

1.nan데이터확인 2.X,y데이터 분리 3.분리된 X데이터에서 인코딩하기 4.피쳐스케일링 하기 5.트레이닝 셋 나누기