Week_03_2_Basic_Regression_AUTO

https://colab.research.google.com/github/AnYeHyeon/deeplearning_2023/blob/master/Week_03_2_Basic_Regression_AUTO.ipynb#scrollTo=Rqnsdxpa2rsC

Week_03_2_Basic_Regression_AUTO.ipynb

 

핵심 포인트

1. csv 파일에서 종속변수인 y를 pop함수로 저장하기

from sklearn.model_selection import train_test_split

y = df.pop('mpg')

X = df

2. 회귀모델에서는 비용함수 RMSE 사용

3. 스케일링 (정규화 vs 표준화)

4. 회귀모형 만들기 (회귀에서는 활성화 함수 필요없음)

model = keras.Sequential()

model.add(layers.Dense(32, activation='relu',input_dim=train_X_scaled.shape[1]))

model.add(layers.Dense(8, activation='relu'))

model.add(layers.Dense(1))

   

optimizer = tf.keras.optimizers.RMSprop(0.001)

model.compile(loss='mse',optimizer=optimizer, metrics=['mae','mse'])

model.summary()

5. 모델학습 & 확인

history = model.fit(train_X_scaled, train_y, epochs=100, validation_data = (test_X_scaled, test_y), verbose = 1)

6. 성능 플로팅하기

# 학습 결과 시각화

plt.figure(figsize=(10, 6))

plt.plot(history.history['loss'], label='Train Loss')

plt.plot(history.history['val_loss'], label='Validation Loss')

plt.xlabel('Epoch')

plt.ylabel('Loss')

plt.title('Training and Validation Loss')

plt.legend()

plt.show()