📊 TenserFlow 기본 틀 학습
TensorFlow 기본 개념을 간단하게 살펴보았고 (Tensorflow 기본개념👆)
TensorFlow 예제를 학습하면서 기본 틀을 익혀보려고 한다.
Tensorflow의 개념을 공부해보자
Tensorflow 예제를 돌려보자
내가 원하는 데이터로 학습을 시키고 결과를 도출해보자
📈 TensorFlow API
TensorFlow 기본 예제를 사용하기 전에
TensorFlow API(라이브러리)를 익혀보자.
import tensorflow as tf
- tensorflow 사용 하기 전 import 무조건 실행
tf.version
- version check
hello = tf.constant("Hello, TensorFlow!")
- 상수 텐서 생성
- hello 상수명
- Hello, TensorFlow! 상수 내의 값
sess = tf.Session()
- TensorFlow 연산들을 실행하기 위한 클래스
- 그래프를 실행할 세션 구성
sess.run(hello)
- fetches에서 연산과 텐서를 실행
sess.close()
- 연산에 쓰인 자원 제거
- 시스템 자원을 더 쉽게 관리하려면 with 구문을 사용. 'with' 구문 블록의 끝에서
자동으로 'close()'가 호출됨.with tf.Session() as sess:
result = sess.run([product])
print(result)
📉 Linear Regression
👆🏼 Linear Regression(선현 회귀)란?
위키 백과
선현 회귀는 종속 변수 y 와 한 개 이상의 독립 변수 x와의 선형 상관 관계를 모델링하는 회귀분석 기법이다. 한 개의 설명 변수에 기반하는 경우는 단순 선형 회귀, 둘 이상의 설명 변수에 기반한 경우에는 다중 선형 회귀라고 한다.
머신러닝은 결국 실제 데이터를 바탕으로 모델 생성 뒤 입력값을 넣으면서 발생할 아웃풋을 예측을 하는 것이라고 볼 수 있는데,
그때 가장 쉽게 직관적으로 확인할 수 있는 것이 Line(선)이고, 그 선을 분석해서 찾는 방법이
Linear Regression(선현 회귀) 분석이라 부른다.
ex) 1차 함수 : y = mx + b
가장 데이터를 잘 표현할 수 있는 m과 b를 찾는 것이 Linear Regression(선현 회귀) 분석의 목적이다,.
✌🏼 Linear Regression(선현 회귀) 에서 발생하는 오차, 손실(Loss)
Linear Regression(선현 회귀)의 핵심인 오차, 손실(Loss)에 대해 알아보려고 한다.
아래 그림을 보면 그래프와 각 데이터의 거리는 제각각이다.
각 점과 그래프 거리를 제곱하여(음수, 양수 관계 없애기 위해) 손실을 구하는 것이
MSE(평균 제곱 오차, mean squared error)라 한다.
손실을 구하는 방법은 여러가지가 있는데.. 그건 나중에
결국 오차의 평균을 최소화 시키는 것이 Linear Regression(선현 회귀) 분석의 목표이다.
출처 및 참조 : https://www.tensorflow.org/tutorials
