1. 모델의 정의

폐암 수술 환자의 생존율 예측하기

# -*- coding: utf-8 -*-

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

import numpy as np
import tensorflow as tf

np.random.seed(3)
tf.random.set_seed(3)

Data_set = np.loadtxt("deeplearning/dataset/ThoraricSurgery.csv", delimiter=",")

X = Data_set[:,0:17]
Y = Data_set[:, 17]

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

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X, Y, epochs=100, batch_size=10)

• 딥러닝의 모델을 설정하고 구동하는 부분은 모두 model이라는 함수를 선언하여 시작된다

model = Sequential()

• 딥러닝의 구조를 짜고 층을 설정하는 부분

model.compile()

• 위에서 정해진 모델을 컴퓨터가 알아들을 수 있게끔 컴파일하는 부분

model.fit()

• 모델을 실제로 수행하는 부분

2. 입력층, 은닉층, 출력층

• 딥러닝의 구조를 짜고 층을 설정하는 부분

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

딥러닝

• 퍼셉트론 위에 숨겨진 퍼셉트론 층을 차곡차곡 추가하는 형태
• 이 층들이 케라스에서는 Sequential() 함수를 통해 쉽게 구현된다
• Sequential() 함수를 model로 선언하고
  • model.add()로 새로운 층을 추가한다.

model.add()가 두 개 있으므로 두 개의 층을 가진 모델을 만드는 것