[1] Keras - 기본 mlp regression 구현

케라스를 이용하여 하는 mlp 기본 예제 코드이다.

기본적인 데이터는 다음과 같다. 

X : [10,20,30] -> Y : [40,50]

X = array([[10, 20, 30], [20, 30, 40], [30, 40, 50], [40, 50, 60]])
y = array([[40, 50],[50,60],[60, 70],[70,80]])

 

 

100개의 뉴런을 사용하여 output을 두개 도출한다.

이때 데이터는 3개이기 때문에 input_dim = 3으로 도출되고 Dense(2)로 설정한다.

optimizer은 adam으로 설정하였고 회귀이기 때문에 loss는 mse로 설정하였다. 

# define model
model = Sequential()
model.add(Dense(100, activation='relu', input_dim=3))
model.add(Dense(2))
model.compile(optimizer='adam', loss='mse')
# fit model
model.fit(X, y, epochs=2000, verbose=0)

 

 

데이터 [50,60,70]을 사용하여 output을 도출한다.

값은 [[80.14777 90.85103]]로 도출된다. 

# demonstrate prediction
x_input = array([50, 60, 70])
x_input = x_input.reshape((1, 3))
yhat = model.predict(x_input, verbose=0)
print(yhat) #[[80.14777 90.85103]]
 

 

 

 

 

[전체코드]

# univariate mlp example
from numpy import array
from keras.models import Sequential
from keras.layers import Dense
 
# define dataset
X = array([[10, 20, 30], [20, 30, 40], [30, 40, 50], [40, 50, 60]])
y = array([[40, 50],[50,60],[60, 70],[70,80]])
 
print("X.shape", X.shape)
print("Y.shape", y.shape)
 
# define model
model = Sequential()
model.add(Dense(100, activation='relu', input_dim=3))
model.add(Dense(2))
model.compile(optimizer='adam', loss='mse')
# fit model
model.fit(X, y, epochs=2000, verbose=0)
 
# demonstrate prediction
x_input = array([50, 60, 70])
x_input = x_input.reshape((1, 3))
yhat = model.predict(x_input, verbose=0)
print(yhat) #[[80.14777 90.85103]]