Introduction

tensorflow를 활용하여 간단한 딥러닝 모델을 설계하고 수행시켜 본다.

전체 소스 코드

# 폐암 수술 환자의 데이터 셋(csv)를 불러온다.
from google.colab import files
uploaded = files.upload()
my_data = 'ThoraricSurgery.csv'
# 딥러닝을 구동하는 데 필요한 케라스 함수를 불러온다.
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import pandas as pd
# 필요한 라이브러리를 불러온다.
import numpy as np
import tensorflow as tf
# 시드를 고정시킨다. (결과동일)
np.random.seed(3)
tf.random.set_seed(3)
# .환자의 기록을 pandas를 통해 date frame형식으로 불러온다.
df = pd.read_csv(my_data, header=None)
Data_set = df.to_numpy()
# 환자의 기록과 수술의 결과(y)를 구분하려 저장한다.
X = Data_set[:,0:17]
Y = Data_set[:,17]
# 딥러닝 구조를 정의한다.
model = Sequential()
model.add(Dense(30, input_dim=17, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
# 학습방법, 손실함수(비용함수)를 정의하고 딥러닝을 실행한다.
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy', tf.ke
ras.metrics.Recall()])
model.fit(X, Y, epochs=100, batch_size=10)

코드를 뜯어서 하나하나 살펴보도록 한다.

데이터 불러오기

환자의 데이터를 불러와 구분하여 저장한다.
파이썬의 인덱싱 문법을 이용하여 인덱싱을 처리하는 것이 주목하자.

• 인덱스는 0부터 시작이므로 [:, 0:17]은 0~16까지 불러온다는 것으로 속성 1~17를 X로 저장한다.
• 분류되는 정답(클래스Y)는 마지막 인덱스인 17 즉, 18번 줄이된다.

속성 : 종양의 유형, 폐활량, 호흡 곤란 여부, 고통 정보, 기침, 흡연, 천식 여부 등
클래스 : 생존 여부 (1 : 생존 0 : 사망)

모델 정의하기

입력 17개(속성)이 들어오게 되고, 은닉층은 1개로 총 30개의 노드가 사용된다.
여기서 input_dim의 값이 17인 이유는, 입력으로 들어오는 속성의 개수가 17개 이기 때문이다.
사망과 생존 즉, 1과 0의 2진분류의 문제이므로 활성함수로 sigmoid를 사용하는 것을 확인할 수 있다.
Dense Layer를 통해서 Fullyconnected한 학습을 진행한다.

모델 환경 설정

비용함수로는 binary_crossentropy를 사용하여 두개의 클래스를 구분할 때 사용하는 함수를 사용했다.
기본적으로 학습은 Gradinet Descent 즉, 경사하강법식으로 이루어지는데 여기서 adam또한 경사하강법의 일종이다. (Adam은 튜닝모델에 튜닝 모델을 합쳐 만든 방법이라 생각하면 쉽다.)

• Adam이란
  모멘텀은 기본 경사하강법 모델의 정확도를 개선시킨 방법이고, 알엠 에스프롭은 보폭의 크기를 개선한 방법이다.
  Adam은 이러한 알엠에스프롭과 모멘텀 방식이 합쳐진 경사하강법이다.
  가장 많이 널리 사용되는 효과가 좋은 경사하강법이라고 할 수 있다. (대부분의 모델에서 사용)

비용함수 예시

최적화 방법(경사하강 방법) 예시

출처 : https://www.tensorflow.org/api_docs/python/tf/keras

모델 성능 평가 기준 설정

모델을 만들고 학습을할 때, 이러한 모델이 잘 학습되고 있는지 평가하는 지표가 있어야 할 것이다. 그래야 제대로 된 학습이 되는지 알 것이니..

여기서는 정확도와 AUC, Recall을 사용했다.
Accuracy : 분류의 정확도
AUC : AUC가 높을수록 클래스를 구별하는 모델의 성능이 높다는 것을 뜻함.
Recall : 재현율 실제 True들 중에 모델이 True라고 찾은 비율이 얼마나 되는가?
(실제 생존한 사람들 중 모델이 생존한 사람이라고 찾은 비율이 얼마가 되는가?)

학습 실행하기

epochs는 반복횟수를 뜻하고, batch_size는 Batch방법과 SGD 방법을 둘다 사용하는 것이다.
한 세대를 학습시킬때 전체를 다 보고 1번의 update가 일어나는 것이 Batch, 각 샘플마다 update가 이루어지는게 SGD이다.

mini batch / batch_size 지정하기

이때, 각 샘플마다가 아닌 몇개(여기서는 10)를 임의로 지정하여 해당 샘플들을 한 묶음으로 취급하여 update를 수행하는것이 바로 mini Batch방법이다.
예를 들어, 170개의 샘플을 10 batch size로 묶게되면 17번의 학습이 1epoch(1세대)당 이루어 지게 된다.