모델 개념과 학습원리

모델(Model) 생성

from keras.models import Sequential
model = Sequential()

네트워크(Network)

from keras.layer import Dense
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))

• 시그모이드(Sigmoid)
  0.0 ~ 1.0 사이의 실수만 출력한다

목표함수(Objective Function)

딥러닝에서 가장 중요한 부분

mean_squared_error() : 수치예측할때 사용
categorical_crossentropy() : 다중 분류
binary_crossentropy() : 2진 분류

최적화기(Optimizer)

SGD, RMSprop, Momentum, adarm 등

컴파일(Compile)

컴파일을 하면 네트워크가 학습할 준비가 되어있다는 뜻

model.compile(loss='categoriacl_crossentropy', optimizer='sgd', metrics=['accuracy'])

학습원리

Y' = w*X + b

Objective Function을 통해 입력값 X를 바탕으로 나온 예측값 Y'과 실제값 Y를 비교한다.
오차를 계산해서 Optimizer에게 보낸다.
Optimzer가 Network를 갱신한다.

model.fit(x, y, batch_size=32, epochs=10)

batch_size: 학습 갱신 단위
opochs: 전체 데이터 반복학습 횟수