1. Strat Deep Learning (레모네이드 판매 예측)

<표를 다루는 도구 - Pandas>

데이터 준비하기 1

1. 데이터를 불러온다 
2. 종속변수와 독립변수로 분리한다. 

• 실습을 통해 배울 도구들
  • 파일 읽어오기: read_csv('/경로/파일명.csv')
  • 모양 확인하기: 데이터.shape
  • 칼럼 선택하기: 데이터[['칼럼명1', '칼럼명 2', '칼럼명 3']]
  • 칼럼 이름 출력하기: 데이터.columns
  • 맨 위 5개 관측치 출력하기: 데이터.head()
• 샘플 데이터 
  • GitHub github link: https://github.com/blackdew/tensorflow1/tree/master/csv
  • 레모네이드: https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/lemonade.csv
  • 보스턴:https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/boston.csv
  • 아이리스: https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/iris 

==================================================================================

 

import pandas as pd

 

# 파일로부터 데이터 읽어오기

파일 경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/lemonade.csv'

레모네이드 = pd.read_csv(파일 경로)

 

파일 경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/boston.csv'

보스턴 = pd.read_csv(파일 경로)

 

파일 경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/iris.csv'

아이리스 = pd.read_csv(파일 경로)

 

 

# 데이터의 모양 확인(데이터의 행과 열의 모습을 나타낼 때 사용)

print(레모네이드. shape)

print(보스턴. shape)

print(아이리스. shape)

 

(6, 2)

(506, 14)

(150, 5)

 

 

데이터 칼럼이름(.columns)은 열을 나타내고, 독립변수와 종속변수의 분리는 자신의 판단하에 설정해 주면 그게 맞는 행과 열을 표현해 줍니다.

 

 

각각의 데이터를 확인하기 위해서 모델명.head() 를 사용하면 위의 표와 같이 나타내어 줍니다.

 

 

cf) Loss(손실)

 

 

 

 model.fit(독립, 종속 , epochs=10)에서 epoches는 모델을 10번 반복하여 학습하라는 뜻입니다.

Loss가 0 이 될수록 학습이 잘 되었는지 판단을 내릴 수 있는데 옆의 그림과 같이 (예측 - 결과)^2의 값의 평균이  Loss입니다. Loss가 0에 가까워지게 계속 반복, 학습 시킴을 통해 결론(잘 학습시켰는지)을 도출하는 것입니다.

 

 

 

 

 

 

<레모네이드 판매 예측>

 

#사용할 라이브러리 작성, 불러올 데이터 준비, 종속변수와 독립변수 판단

 

 

 

x,y의 shape이 1 설정 이유는 독립변수, 종속변수 칼럼이 1 이기 때문이고, 그 후 모델 x,y를 학습시킨다. 모델 학습은 epochs를 통해 몇번 반복하여 학습 할지 설정. 위는 10번 반복하여 학습시킨것인데 loss의 값이 크기 때문에 더 많은 학습이 필요하다. verbose=0은 화면 출력을 하지 않겠다는 의미.

 

 

 

독립변수에 값을 넣으면 학습시킨 모델의 예측값이 나오는것을 확인할 수 있다. 

 

 

 

출처 : https://www.opentutorials.org/module/4966/28974