혼자 공부하는 머신러닝 + 딥러닝 07-1 확인 문제

1. 어떤 인공 신경망의 입력 특성이 100개이고 밀집층에 있는 뉴런 개수가 10개일 때 필요한 모델 파라미터의 개수는 몇 개인가요?

① 1,000개
② 1,001개
③ 1,010개
④ 1,100개

2. 케라스의 Dense 클래스를 사용해 신경망의 출력층을 만들려고 합니다. 이 신경망이 이진 분류 모델이라면 activation 매개변수에 어떤 활성화 함수를 지정해야 하나요?

① 'binary'
② 'sigmoid'
③ 'softmax'
④ 'relu'

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

① configure()
② fit()
③ set()
④ compile()

4. 정수 레이블을 타깃으로 가지는 다중 분류 문제일 때 케라스 모델의 compile() 메서드에 지정할 손실 함수로 적절한 것은 무엇인가요?

① 'sparse_categorical_crossentropy'
② 'categorical_crossentropy'
③ 'binary_crossentropy'
④ 'mean_square_error'

<풀이>

1. 답 ③ 밀집층에 있는 10개의 입력과 모두 연결되기 때문에 총 100 x 10 = 1,000개의 가중치가 있고, 뉴런마다 1개의 절편이 있으므로 총 1,010개개의 모델 파라미터가 있다.

2. 답 ② 이진 분류일 경우 출력층의 뉴런이 1개 있고 선형 방정식의 결과를 확률로 바꾸기 위해 'sigmoid' 함수를 사용한다.

③ 'softmax' 함수는 다중 분류 신경망의 출력층에 사용한다.
④ 'relu' 함수는 이미지를 다루는 문제에서 자주 사용하는 활성화 함수. 2절에서 자세히 소개함!
① 'binary'라는 활성화 함수는 없음!

3. 답 ④ compile() 메서드의 loss 매개변수로 손실 함수를 지정하고 metrics 매개변수에서 츩정하려는 지표를 지정할 수 있다.

② fit() 메서드는 모델을 훈련하는 메서드.
① configure()와 ③ set() 메서드는 없다.

4. 답 ① 타깃값이 정수인 다중 분류일 경우 compile() 메서드의 loss 매개변수를 'sparse_categorical_crossentropy'로 지정한다.

② 'categorical_crossentropy'는 타깃값이 원-핫 인코딩된 경우 사용.
③ 'binary_crossentropy'는 이진 분류에 사용하는 손실 함수이다.
④ 'mean_square_error'는 회귀 문제에 사용하는 손실 함수이다.