티스토리 뷰
CNN을 통해서 기본적인 regression을 하는 방법을 설명하겠다.
기본적으로 python에서 숫자를때 차원을 제대로 고려하는 것이 중요하다.
데이터 셋은 다음과 같다.
|
1
2
3
|
# define dataset
X = array([[10, 20, 30], [20, 30, 40], [30, 40, 50], [40, 50, 60]])
y = array([40, 50, 60, 70])
|
cs |
위의 데이터 셋은 차원을 아는 것이 중요하다.
X데이터의 경우 차원이 (4,3,1)
Y데이터 경우 차원이 (4,)이 도출된다.
왼쪽 4라는 숫자를 맞춰주어야 한다.
|
1
2
|
print("X.shape", X.shape) #X.shape (4, 3, 1)
print("Y.shape", y.shape) #Y.shape (4,)
|
cs |
Keras 문법을 시작하겠다.
일렬로 쭉 늘어졌기 때문에 Conv1D 함수를 사용하였고 input_shape는 Xshape (4,3,1)중에 (3,1)을 사용한다
또한 50가지 뉴럴넷을 사용하고 activation 함수는 relu 함수를 사용한다.
compile시 optimizer는 adam을 사용하고 regression이기 때문에 mse를 사용한다.
마지막 값은 1개가 도출되어야 하기 때문에 Dense(1) 을 더한다
|
1
2
3
4
5
6
7
|
model = Sequential()
model.add(Conv1D(filters=64, kernel_size=2, activation='relu', input_shape=(3, 1)))
model.add(MaxPooling1D(pool_size=2))
model.add(Flatten())
model.add(Dense(50, activation='relu'))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mse')
|
cs |
model.fit 함수 사용하여 도출하고 x_input 값 [50,60,70]을 넣어본다.
최종값은 [[82.24064]] 가 도출된다.
|
1
2
3
4
5
6
7
|
# fit model
model.fit(X, y, epochs=1000, verbose=0)
# demonstrate prediction
x_input = array([50, 60, 70])
x_input = x_input.reshape((1, 3, 1))
yhat = model.predict(x_input, verbose=0)
print(yhat) #[[82.24064]]
|
cs |
[전체코드]
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
#CNN 기본 코드
# univariate cnn example
from numpy import array
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Flatten
from keras.layers.convolutional import Conv1D
from keras.layers.convolutional import MaxPooling1D
# define dataset
X = array([[10, 20, 30], [20, 30, 40], [30, 40, 50], [40, 50, 60]])
y = array([40, 50, 60, 70])
# reshape from [samples, timesteps] into [samples, timesteps, features]
X = X.reshape((X.shape[0], X.shape[1], 1))
print("X.shape[0]",X.shape[0]) #X.shape[0] 4
print(" X.shape[1]", X.shape[1])#X.shape[1] 3
print("X.shape", X.shape) #X.shape (4, 3, 1)
print("Y.shape", y.shape) #Y.shape (4,)
# define model
model = Sequential()
model.add(Conv1D(filters=64, kernel_size=2, activation='relu', input_shape=(3, 1)))
model.add(MaxPooling1D(pool_size=2))
model.add(Flatten())
model.add(Dense(50, activation='relu'))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mse')
# fit model
model.fit(X, y, epochs=1000, verbose=0)
# demonstrate prediction
x_input = array([50, 60, 70])
x_input = x_input.reshape((1, 3, 1))
yhat = model.predict(x_input, verbose=0)
print(yhat) #[[82.24064]]
|
cs |
'인공지능 > 딥러닝' 카테고리의 다른 글
| 딥러닝(Deep Learning) - CNN 기본개념 (0) | 2019.10.18 |
|---|---|
| [1] tensorflow - 헷갈리는것 shape 정리 (0) | 2019.09.11 |
| [1] Machine learning basic (0) | 2019.09.05 |
| [3] Keras Mnist CNN Regression (1) | 2019.09.05 |
| [1] Keras - 기본 mlp regression 구현 (0) | 2019.09.05 |
댓글