작성: 2020-08-19 수정: 2020-08-19

코딩야학 Tensorflow 2일차(2)

레몬에이드 판매 예측

1. 레몬에이드 판매를 예측해보자.

이전에 배웠던 지도학습의 과정을 다시보자.

  1. 과거의 데이터를 준비한다.
  2. 모델의 구조를 만든다.
  3. 데이터로 모델을 학습(FIT)한다.
  4. 모델을 이용한다.

2. 위의 과정을 python 코드로 작성해보자.

import pandas as pd
import tensorflow as tf

# 1. 데이터 준비
path = '../csv/lemonade.csv'
lemonade = pd.read_csv(path)

# 독렵, 종속 변수
independent = lemonade[['온도']]
dependent = lemonade[['판매량']]

# 2. 모델 구조 생성
X = tf.keras.layers.Input(shape=[1])          # 독립변수의 갯수와 shape을 일치 시킨다.
Y = tf.keras.layers.Dense(1)(X)               # 종속변수의 갯수와 일치 시킨다.
model = tf.keras.models.Model(X, Y)
model.compile(loss='mse')

# 3. 모델 학습
model.fit(independent, dependent, epochs=10)  # epochs는 학습을 시킬 횟수를 의미한다.

# 4. 모델 사용
print("Predictions: ", model.predict([[15]]))

3. 결과 확인

위의 경우의 결과값을 보면

Epoch 1/10
1/1 [==============================] - 0s 2ms/step - loss: 786.4815
Epoch 2/10
1/1 [==============================] - 0s 872us/step - loss: 782.3079
Epoch 3/10
1/1 [==============================] - 0s 1ms/step - loss: 779.2910
Epoch 4/10
1/1 [==============================] - 0s 939us/step - loss: 776.7711
Epoch 5/10
1/1 [==============================] - 0s 2ms/step - loss: 774.5389
Epoch 6/10
1/1 [==============================] - 0s 2ms/step - loss: 772.4971
Epoch 7/10
1/1 [==============================] - 0s 2ms/step - loss: 770.5913
Epoch 8/10
1/1 [==============================] - 0s 2ms/step - loss: 768.7881
Epoch 9/10
1/1 [==============================] - 0s 2ms/step - loss: 767.0649
Epoch 10/10
1/1 [==============================] - 0s 2ms/step - loss: 765.4055
Predictions:  [[11.634076]]

loss는 정확성을 나타내는 지표로 해당 값이 0에 가까울 수록 학습이 잘되었음을 의미한다.

10번을 학습시킨 결과로 온도가 15도 일때, 예측값이 11.634076이 나왔다. 이는 학습의 횟수가 너무 적어서 그렇다.

4. 개선 하기

10000번을 학습시켜보자.

model.fit(independent, dependent, epochs=9990, verbose=0)
model.fit(independent, dependent, epochs=10)

print("Predictions: ", model.predict([[15]]))

fit 함수의 경우 매회 학습의 결과를 출력하는데, verbose=0을 인자로 주면 출력을 끌 수 있다. 맨마지막 10회의 결과값을 출력하고 다시 예측해보자.

Epoch 1/10
1/1 [==============================] - 0s 1ms/step - loss: 3.7136e-04
Epoch 2/10
1/1 [==============================] - 0s 1ms/step - loss: 3.7115e-04
Epoch 3/10
1/1 [==============================] - 0s 873us/step - loss: 3.7088e-04
Epoch 4/10
1/1 [==============================] - 0s 1ms/step - loss: 3.7058e-04
Epoch 5/10
1/1 [==============================] - 0s 1ms/step - loss: 3.7037e-04
Epoch 6/10
1/1 [==============================] - 0s 1ms/step - loss: 3.7021e-04
Epoch 7/10
1/1 [==============================] - 0s 2ms/step - loss: 3.7003e-04
Epoch 8/10
1/1 [==============================] - 0s 2ms/step - loss: 3.6980e-04
Epoch 9/10
1/1 [==============================] - 0s 3ms/step - loss: 3.6963e-04
Epoch 10/10
1/1 [==============================] - 0s 1ms/step - loss: 3.6947e-04
Predictions:  [[30.059605]]

꽤 쓸모있는 모델이 만들어졌다. !

5. 느낀점

뉴런 하나로 동작하는 간단한 모델이라고는 하지만, 고작 12줄의 코드로 뭔가를 만들어 낼 수 있다는게 신기하다.

열심히 공부하면 여기저기 써먹을 수도 있지않을까???

다음글 코딩야학 Tensorflow 3일차(1) 이전글 코딩야학 Tensorflow 2일차(1)