[Tensorflow] Tensorflow 101(1-12)

✅ 머신러닝 개요

1. 머신러닝

• 정의
  • 기계를 학습시켜서 판단능력을 위임하는 기술
• 종류
  • 지도 학습
    • 분류
    • 회귀
  • 비지도 학습
    • 군집화
    • 변환
    • 연관
  • 강화 학습

2. 지도 학습 / 비지도 학습 / 강화학습

• Tensorflow를 통해 해결하려고 하는 영역은 지도 학습
  • 지도 학습이 다루는(해결하는) 문제 
    • 회귀 : 숫자로 된 결과를 예측
    • 분류 : 범주형, 카테고리 형태의 결과를 예측

3. 머신러닝 알고리즘

• Decision Tree
• Random Forest
• KNN
• SVM
• Neural Network

4. Neural Network = 인공 신경망 = Deep learning

• Deep learning을 돕는 라이브러리
  • TensorFlow
  • PyTorch
  • Caffe2
  • theano

5. 딥러닝 학습 절차

1. 파이썬 기초
2. 데이터 해석
3. 머신러닝 이해
4. 딥러닝 원리
5. 딥러닝 구현

 

✅지도 학습 절차

1. 과거의 데이터를 준비한다

• 과거의 데이터 속에서 원인과 결과를 발견하는 것
• 원인 - 독립 변수
• 결과 - 종속 변수

2. 모델의 구조를 만든다

3. 데이터로 모델을 학습(FIT)한다

 

✅환경설정(Google Colaboratory)

1. Google Colaboratory 사용법

• 신규 > 더보기 > 연결할 앱 더보기 > Colaboratory 검색 후 설치

• 신규 > 더보기 > Google Colaboratory

• ctrl + enter : 실행 후 셀 안에 머무름
• shift + enter : 실행 후 다음 코드 셀로 넘어감

 

✅표를 다루는 도구 - Pandas

import pandas as pd

 

#데이터 불러오기
파일경로 = 'lemonade.csv'
데이터 = pd.read_csv(파일경로)

#독립변수와 종속변수의 분리
독립 = 데이터[['온도']]
종속 = 데이터[['판매량']]

#데이터 모양 확인
print(독립.shape, 종속.shape)

 

1. 파일 읽어오기

• pd.read_csv('/경로/파일명.csv')

2. 모양 확인하기

• print(데이터.shape)

lemonade.csv

3. 컬럼 선택하기

• 데이터[['칼럼명1', '칼럼명2', '칼럼명3']]

4. 칼럼 이름 출력하기

• print(데이터.columns)

5. 맨 위 5개 관측치 출력하기

• 데이터.head()

 

✅Loss

• 학습이 얼마나 진행되었는지를 알려준다.

• ((종속 변수) - (예측 값)) 제곱의 평균

 

✅실습1 - 종속변수 1개

1. 데이터 준비하기

2. 모델 구조 만들기

# 모델 만들기
X = tf.keras.layers.Input(shape=[1])
Y = tf.keras.layers.Dense(1)(X)
model = tf.keras.models.Model(X, Y)
model.compile(loss='mse')

Dense layer가 각 식을 만든다.

3. 모델 학습하기

verbose=0으로 설정해 출력 값이 보이지 않도록 한다

10번의 추가적 학습 결과를 출력하며 10000번의 학습으로 인한 loss 값 감소를 확인한다. loss 값은 대략 0.0001이다.

4. 모델 이용하기

예측값과 실제 데이터를 확인한다.

15도일 때 몇 개를 예측하는지이다.

 

✅실습2 - 종속변수 2개

1. 데이터 준비하기

#라이브러리 사용하기
import tensorflow as tf
import pandas as pd

#데이터 준비하기
파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/boston.csv'
보스턴 = pd.read_csv(파일경로)
보스턴.head()

pd 라이브러리의 read_csv함수로 보스턴 데이터의 파일경로를 받아오면 출력할 수 있다. 독립변수와 종속변수를 분리하기 위한 필드명까지 출력해 주었다.

#독립변수와 종속변수의 분리
독립 = 보스턴[['crim', 'zn', 'indus', 'chas', 'nox', 'rm', 'age', 'dis', 'rad', 'tax',
       'ptratio', 'b', 'lstat']]
종속 = 보스턴[['medv']]
print(독립.shape, 종속.shape)

독립변수와 종속변수를 분리한 뒤 shape까지 확인한다.

2. 모델 구조 만들기

#모델 구조 만들기
X = tf.keras.layers.Input(shape=[13])
Y = tf.keras.layers.Dense(1)(X)
model=tf.keras.models.Model(X,Y)
model.compile(loss='mse')

3. 모델 학습하기

#모델 학습하기
model.fit(독립, 종속, epochs=1000, verbose=0)
model.fit(독립, 종속, epochs=10)

4. 모델 이용하기

model.predict(독립[0:5])
종속[0:5]

5. 모델의 수식 확인

# 모델의 수식 확인
model.get_weights()

 

✅ 파일 경로 저장하기

1. 깃허브 링크 우클릭 후 다른 이름으로 저장
2. Colaboratory 파일에 저장한 csv 파일을 업로드
3. 파일 경로를 복사해서 파일 경로로 사용

 

 

참고

https://youtube.com/playlist?list=PLl1irxoYh2wyLwJutUZx5Q_QEEDZoXBnz&si=q9LMHKC7Nz5cd5hl