생활코딩, 머신러닝(딥러닝)- 두번째 딥러닝 - 보스턴 집값 예측

보스턴 집값을 예측하는 딥러닝 모델을 텐서플로우를 이용하여 만들어 보고,

모델을 구성하는 퍼셉트론에 대해 이해해보기

 

--------------------------------------소스코드, 실행화면-----------------------------------------

# 라이브러리 사용

import tensorflow as tf

import pandas as pd

 

# 1. 과거의 데이터를 준비합니다.

파일경로 ='/content/boston.csv'

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

#파일경로 ='/content/boston.csv'       colaboratory 파일 업로드

보스턴=pd.read_csv(파일경로)

print(보스턴.columns)

보스턴.head()

# 독립변수, 종속변수 분리

독립 = 보스턴[['crim', 'zn', 'indus', 'chas', 'nox', 'rm', 'age', 'dis', 'rad', 'tax',

'ptratio', 'b', 'lstat']]

종속 = 보스턴[['medv']]

print(독립.shape, 종속.shape)

# 2. 모델의 구조를 만듭니다.

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.데이터로 모델을 학습(FIT)합니다.

model.fit(독립, 종속, epochs=1000, verbose=0)

model.fit(독립, 종속, epochs=10)

# 4. 모델을 이용합니다.

model.predict(독립[0:5])

#종속값과 비교해보기

종속[0:5]

 

# 모델의 수식 확인

model.get_weights()

#공식 적어보기

집값 = -0.08822569 * x1 + 0.06638964 * x2 + -0.05565438* x3 + 3.2918665 * x4 + 1.8550262 * x5+ 4.353897 * x6+ 0.00630844* x7+ -0.94207984 * x8 + 0.15469645* x9+ -0.01042635]* x10 + -0.10546786 * x11 + 0.01542686* x12 + -0.5467572 * x13 + 3.2303667

 

 

ㅡㅡㅡㅡㅡ--전체 소스코드-----------------

 

###########################
# 라이브러리 사용
import tensorflow as tf
import pandas as pd

###########################
# 1.과거의 데이터를 준비합니다.
파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/boston.csv'
보스턴 = pd.read_csv(파일경로)
print(보스턴.columns)
보스턴.head()

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

###########################
# 2. 모델의 구조를 만듭니다
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.데이터로 모델을 학습(FIT)합니다.
model.fit(독립, 종속, epochs=1000, verbose=0)
model.fit(독립, 종속, epochs=10)

###########################
# 4. 모델을 이용합니다
print(model.predict(독립[5:10]))
# 종속변수 확인
print(종속[5:10])

###########################
# 모델의 수식 확인
print(model.get_weights())

 

 

 

 

출처: 생활코딩