[tensorflow] #4. 여러 데이터로 정확도 조절하기

아래와 같은 영어점수, 평점, 합불 데이터가 있다.

자세히 보면 같은 데이터의 중복이다.

텐서플로우 import, csv 읽기

import tensorflow as tf
import pandas as pd
import numpy as np

# pandas 엑셀 읽기
data = pd.read_csv('score.csv')

기준이 되는 데이터와 결과 데이터 저장

# x데이터 (영어점수, 평점)
xData = []
for i,rows in data.iterrows():
    xData.append( [ rows['eng_score'], rows['tot_score'] ] )

# y데이터(합불)
yData = data['yn'].values

뉴럴 네트워크의 레이어 설정

# layer의 갯수 세팅
model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(64, activation='tanh'),
    tf.keras.layers.Dense(128, activation='tanh'),
    tf.keras.layers.Dense(1, activation='sigmoid')
])

뉴럴 네트워크의 최적화 알고리즘, 손실 알고리즘, 결과값 설정

model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'] )

모델에 넘파이 데이터 입력 및 루프 설정

1000번만 돌리자. 노트북 뜨거워진다...

model.fit( np.array(xData), np.array(yData), epochs=1000 )

모델 검증의 시간

# 영어점수와 학점으로 합불 예측
print(model.predict( [[9, 3.5]] ))
print(model.predict( [[9, 3.6]] ))
print(model.predict( [[9, 3.7]] ))
print(model.predict( [[9, 3.8]] ))
print(model.predict( [[9, 3.9]] ))

결과

영어점수 9점, 평점 4는 있지만 3.5는 없다. 그러나 3.6~3.9 구간의 합격 확률이 높아지는 것을 볼 수 있다.

[[0.08848792]]
[[0.21077263]]
[[0.40116122]]
[[0.60247815]]
[[0.7551091]]