간단한 신경망 만들기와 학습시키기
다음으로 배울 모델은 신경망입니다. 신경망은 변수들 사이의 복잡한 상호작용을 포착할 수 있지만, 설정과 이해가 어렵습니다. 최근에는 이미지 인식과 게임(AlphaGo를 확인해 보세요) 등 여러 분야에서 인간 전문가를 능가하고 있어, 높은 성능을 낼 잠재력이 큽니다.
신경망은 keras 라이브러리를 사용해 구축할 거예요. 이는 고수준 API로, 빠르게 신경망을 만들 수 있으면서도 설계에 대한 제어권을 충분히 제공합니다. 먼저 거의 가장 단순한 형태의 네트워크를 만들어 보겠습니다. 입력을 받아 단일 값을 예측하는 3-레이어 네트워크예요. sklearn 모델과 마찬가지로, keras 모델에도 (features, targets)를 인수로 받는 .fit() 메서드가 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 금융 분야 Machine Learning
연습 안내
- 신경망의 두 번째 레이어로 노드 20개와 ReLU(
'relu') 활성화를 가진 Dense 레이어를 생성하세요. - 마지막 Dense 레이어는 노드 1개와 선형 활성화(
activation='linear')로 생성하세요. - 모델을
scaled_train_features와train_targets에 학습(fit)시키세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
from keras.models import Sequential
from keras.layers import Dense
# Create the model
model_1 = Sequential()
model_1.add(Dense(100, input_dim=scaled_train_features.shape[1], activation='relu'))
model_1.add(Dense(____, activation=____))
model_1.add(Dense(____, activation=____))
# Fit the model
model_1.compile(optimizer='adam', loss='mse')
history = model_1.fit(____, ____, epochs=25)