Tensorflow - regression(수치예측) 문제의 인공신경망(ANN)

Car_Purchasing_Data.csv

0.06MB

 

 

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.read_csv('Car_Purchasing_Data.csv', encoding='ISO-8859-1')

 

0. 데이터 확인

df.info()
df.describe()

 

 

1. nan이 있는지 확인

df.isna().sum()

 

 

2. 학습데이터 X와 정답데이터 y로 분리

X = df.loc[:, 'Gender':'Net Worth'] 
y = df['Car Purchase Amount']

 

 

 

3. X, y 모두 숫자 데이터이므로 인코딩 할 필요 없다.

 

 

4. feature scaling

from sklearn.preprocessing import MinMaxScaler

scaler_X = MinMaxScaler()
scaler_y = MinMaxScaler()
X = scaler_X.fit_transform(X.values)

 

y = scaler_y.fit_transform(y)

 

위 코드는 y가 1차원이기 때문에 ValueError가 발생한다.

y의 shape을 변경해 준다.

 

y.reshape(-1, 1)

이것도 많이 하는 실수인데, 판다스 시리즈는 reshape 메소드가 없어서 에러가 발생한다.

y대신 y.values를 reshape 해준다.

 

y.values.reshape(-1, 1)

y_scaled = scaler_y.fit_transform(y.values.reshape(-1, 1))

 

 

 

5. train, test 데이터 분리

 

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y_scaled, test_size=0.25, random_state=50)

 

 

6. 인공신경망 모델 연결하기

 

from keras.models import Sequential
from keras.layers import Dense

def build_model():
  model = Sequential()
  model.add(Dense(units=5, activation='relu', input_shape=(5,)))
  model.add(Dense(units=25, activation='relu'))
  model.add(Dense(units=10, activation='relu'))
  model.add(Dense(units=1, activation='linear'))
  model.compile(optimizer='adam', loss='mse', metrics=['mse', 'mae'])
  return model

regression 모델의 output 활성화함수는 'linear'를 쓴다.

 

model = build_model()

 

 

7. 모델 학습

 

model.fit(X_train, y_train, batch_size=10, epochs=20)

 

 

8. 모델 평가

 

model.evaluate(X_test, y_test)

 

 

9. 실제 예측

 

new_data = np.array([0, 38, 90000, 2000, 500000, 1, 27, 30000, 10000, 300000])
new_data = new_data.reshape(2, 5)
new_data = scaler_X.transform(new_data)
y_pred = model.predict(new_data)
scaler_y.inverse_transform(y_pred)

 

이 인공지능을 서비스하려 할 때 필요한 파일은?

model, scaler_X, scaler_y