keras

케라스

는 딥러닝 모델을 간편하게 만들고 훈련시킬수 있는 프레임워크입니다.

 

케라스를 불러오고

선형데이터를 만들기 위해 y = mx + b + noise라는 방정식을 만들었습니다.

linspace함수는 선형 함수인데 0부터 50까지 20개의 요소로 된 1차원 배열을 생성합니다.

방정식을 플롯팅 해보면 위와 같은 그림이 나옵니다. 잡음에 의해 완벽한 직선은 아닙니다.

이 모델에 대한 최적의 선을 찾는 신경망을 만드는 것을 목표로 하겠습니다.

Sequential()함수는 다수의 층을 추가 할 수 있습니다.

dense()를 추가해서 n개의 매개변수를 가질수 있게됩니다.

입력 차원은 1이고 이 신경층 활성화에 대한 함수는 relu 즉 정류 선형 유닛을 입력하였습니다.

지도 학습을 위해 모델을 fit()함수에 넣어보겠습니다. epochs는 모든 데이터 한번 학습 하는 횟수를 뜻합니다.

학습을 거친 예측값들을 그리면 붉은 선과 같이 나타납니다.

예측값은 망이 생각하는 모델로 선형 적합 모델을 타당하게 나타내고 있습니다.