이번 게시물에서는 보스턴 주택 가격 예측을 keras를 통해 예측해 보겠습니다!

모든 이미지 출처 : 인프런딥러닝 CNN 완벽 가이드 - Fundamental 편

케라스를 이용하여 가격 예측하기

from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential
from tensorflow.keras.optimizers import Adam

model = Sequential([
    # 단 하나의 units 설정. input_shape는 2차원, 회귀이므로 activation은 설정하지 않음. 
    # weight와 bias 초기화는 kernel_initializer와 bias_initializer를 이용. 
    Dense(1, input_shape=(2, ), activation=None, kernel_initializer='zeros', bias_initializer='ones')
])

# Adam optimizer를 이용하고 
#Loss 함수는 Mean Squared Error, 성능 측정 역시 MSE를 이용하여 학습 수행. 
model.compile(optimizer=Adam(learning_rate=0.01), loss='mse', metrics=['mse'])
model.fit(scaled_features, bostonDF['PRICE'].values, epochs=1000)

• 가장 간단한 방법으로 예측해보았습니다.
• 직접 mse를 구할 필요 없이, loss 함수를 'mse'로 간단하게 설정 가능해요 !

• 코드를 실행하면 위의 이미지처럼 설정한 Epoch 수 만큼 반복하여 예측합니다.

결과 확인

• model.predict 를 통해 예측 실행
• 예측 성공!

저번 게시물에 이어, 케라스를 통해 예측해보았는데요!
확실히, 케라스를 이용하니 코드가 간단해지네요.
앞으로 더 복잡한 유형(?)의 딥러닝을 공부해나가봐야 할 것 같습니다!
감사합니다!