[혼공학습단 9기] 혼자 공부하는 머신러닝 + 딥러닝 6주차

[기본 미션]

1. 어떤 인공 신경망의 입력 특성이 100개이고 밀집층에 있는 뉴런 개수가 10개일 때, 필요한 모델 파라미터의 개수는 몇 개인가요?
   -> 100개의 입력 특성 그리고 10개의 뉴런이 각각 모두 연결되므로 1000개의 가중치가 있다. 그리고 뉴런의 개수만큼 bias들이 더해지므로 총 파라미터의 개수는 1010개이다.

2. 케라스의 Dense 클래스를 사용해 신경망의 출력층을 만들려고 합니다. 이 신경망이 이진 분류 모델이라면, activation 매개변수에 어떤 활성화 함수를 지정해야 하나요?
   -> 이진 분류 모델이라면 sigmoid 함수를 활성화 함수를 사용해야 한다.

3. 케라스 모델에서 손실 함수와 측정 지표 등을 측정하는 메서드는 무엇인가요?

model.compile(optimizer="Adam", loss="mse", metrics=["mae"])

4. 정수 레이블을 타깃으로 가지는 다중 분류 문제일 때, 케라스 모델의 compile() 메서드에 지정할 손실 함수로 적절한 것은 무엇인가요?
   ->Tensorflow에서는 정수로 된 타깃값을 one-hot encoding으로 바꾸지 않고 그냥 사용할 수 있음. 정수로 된 타깃값을 사용해 cross entropy loss를 계산하는 함수는 sparse_categorical_crossentrophy이다.