[모두의 딥러닝] 02. 처음 해 보는 딥러닝

미지의 일을 예측하는 힘

기존 : 데이터 입력 -> 답을 구함

머신러닝 : 데이터 안에서 규칙을 발견 -> 새로운 데이터에 그 규칙 적용 -> 새로운 결과 도출

학습 : 데이터 입력 -> 패턴 분석 과정

1. 기존 환자 데이터 입력

2. 머신러닝 학습

3. 새로운 환자 예측

➡️ 머신러닝의 예측 성공률 : 결국 얼마나 정확한 경계선을 긋는가

➡️ 방법 : 랜덤 포레스트(random forest), 서포트 벡터 머신(suppor vector machines) 등

폐암 수술 환자의 생존율 예측하기

예제 소스 : deep_code/01_My_First_DeepLearning.py

# -*- coding: utf-8 -*-
# 코드 내부에 한글을 사용가능 하게 해주는 부분입니다.
 
# 딥러닝을 구동하는 데 필요한 케라스 함수를 불러옵니다.
from keras.models import Sequential
from keras.layers import Dense
 
# 필요한 라이브러리를 불러옵니다.
import numpy
import tensorflow as tf
 
# 실행할 때마다 같은 결과를 출력하기 위해 설정하는 부분입니다.
seed = 0
numpy.random.seed(seed)
tf.set_random_seed(seed)
 
# 준비된 수술 환자 데이터를 불러들입니다.
Data_set = numpy.loadtxt("../dataset/ThoraricSurgery.csv", delimiter=",")
 
# 환자의 기록과 수술 결과를 X와 Y로 구분하여 저장합니다.
X = Data_set[:,0:17]
Y = Data_set[:,17]
 
# 딥러닝 구조를 결정합니다(모델을 설정하고 실행하는 부분입니다).
model = Sequential()
model.add(Dense(30, input_dim=17, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
 
# 딥러닝을 실행합니다.
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['accuracy'])
model.fit(X, Y, epochs=30, batch_size=10)
 
# 결과를 출력합니다.
print("\n Accuracy: %.4f" % (model.evaluate(X, Y)[1]))

데이터 : dataset/ThoraricSurgery.csv

첫 째 행, 1번 ~ 17번 : 속성

18번  : 클래스 ( 1 : 수술 후 생존, 0 : 수술 후 사망 )