Tensorflow 101

텐서플로우를 이용하여 가장 간단한 형태의 텐서플로우 코드를 작성하여 딥러닝을 구현해보는 딥러닝 기초 수업입니다.

Tensorflow 101 텐서플로우를 이용하여 가장 간단한 형태의 텐서플로우 코드를 작성하여 딥러닝을 구현해보는 딥러닝 기초 수업입니다.

표를 다루는 도구 '판다스'

수업소개

'판다스'를 이용하여 데이터 다루는 방법을 배우는 수업입니다, 모델을 학습시키기 위하여 파일로부터 데이터를 읽어들이고, 독립변수와 종속변수를 분리하여 데이터 준비합니다.

 

강의 

 

실습 

 

소스코드

colab |  backend.ai

###########################
# 라이브러리 사용
import pandas as pd

###########################
# 파일로부터 데이터 읽어오기
파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/lemonade.csv'
레모네이드 = pd.read_csv(파일경로)

파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/boston.csv'
보스턴 = pd.read_csv(파일경로)

파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/iris.csv'
아이리스 = pd.read_csv(파일경로)

###########################
# 데이터의 모양확인
print(레모네이드.shape)
print(보스턴.shape)
print(아이리스.shape)

###########################
# 데이터 칼럼이름 확인
print(레모네이드.columns)
print(보스턴.columns)
print(아이리스.columns)


###########################
# 독립변수와 종속변수 분리
독립 = 레모네이드[['온도']]
종속 = 레모네이드[['판매량']]
print(독립.shape, 종속.shape)

독립 = 보스턴[['crim', 'zn', 'indus', 'chas', 'nox', 
            'rm', 'age', 'dis', 'rad', 'tax',
            'ptratio', 'b', 'lstat']]
종속 = 보스턴[['medv']]
print(독립.shape, 종속.shape)

독립 = 아이리스[['꽃잎길이', '꽃잎폭', '꽃받침길이', '꽃받침폭']]
종속 = 아이리스[['품종']]
print(독립.shape, 종속.shape)


###########################
# 각각의 데이터 확인해보기
print(레모네이드.head())
print(보스턴.head())
print(아이리스.head())

댓글

댓글 본문
  1. 범벌
    완료
  2. 코가띵혀
    완료
  3. Mia99
    완료하였습니다.
  4. ericpark
    완료했습니다.
  5. 바이크
    완료
  6. DreamComeTrue
    완료!
  7. 조지아
    완료
  8. 완료
  9. 청춘낭비금물
    완료
  10. 금순언니
    완료
  11. 힘센엔진
    완료!
  12. 손님입장
    완료
  13. jeseung
    완료!
  14. 완료
  15. 차차caca
    완료!
  16. 이선비
    종속변수와 관련이 있다고 생각되는 변수를 모두 사용하면 딥러닝 모델이 알아서 학습할 겁니다.

    전통적인 머신러닝에서는 보다 좋은 모델을 만들기 위해
    모델 설계자가 특징 선택 및 추출 등 중간 과정에 개입해야 했었는데요.
    그런 과정이 모델 내에서 이루어 진다고 생각하면 되겠습니다.

    :)
    대화보기
    • 고고고고
      완료
    • 코티서처
      그럼, 최대한 수치화된 독립 변수가 많으면 좋은 것인가요?
      대화보기
      • IT와시민기자
        완료
      • 궉하
        완료!
      • luckyo02
        완료
      • 완료
      • BEUNSEGONG
        완료
      • 후니
        완료
      • 하하즐거운문
        완료! ^^
      • 헤링
        완료
      • 완료!
      • 이선비
        어느 변수가 영향을 많이 주는지 적게 주는지는 딥러닝 모델이 스스로 학습합니다.
        미리 변수를 줄여주면 계산량을 적게 해서 효율적으로 학습하게 하는 효과가 있기는 하지만,
        딥러닝이 사람보다 훨씬 더 가중치 학습을 잘 해내기 때문에 연산량에서 성능의 이슈가 없다면
        상관관계가 높은 변수를 미리 찾는 등의 조정을 하지 않는 편이 좋습니다.

        다만, 해당 내용은 이 챕터의 예제에서 적용되는 내용이 아니고,
        히든레이어를 쌓아 딥뉴럴넷 모델을 만든 경우에 해당하는 내용입니다.
        대화보기
        • 초보딥러닝
          완료
        • 코티서처
          보스턴 집값은 독립변수가 많네요. 그런데 이런 독립변수 모두가 종속변수에 의미있는 영향을 주는지 관계 없이 독립변수로 반영해야 하나요? 상관 관계 통해 규칙성이 더 강하다면 이런 종속변수만을 학습시키면 더 좋은 모델이 만들어질 것 같은데요...
        • 이선희
          판단하고(알고) 싶은 걸 종속변수로 생각하면 될 듯 합니다.
          판매량을 예측하고 싶으니까 레모네이드는 판매량이 종속변수,
          꽃의 경우는 이게 무슨 품종인지 알고 싶으니까 품종이 종속변수 (꽃일길이, 꽃잎폭 등을 이용해서 품종을 알아보는 거죠.. 꽃이름알아보기 앱 같은 걸 생각하시면 될 것 같아요)
          대화보기
          • 리코타
            완료
          • 완료
          • 이선비
            모델을 만드는 시점에서는 인과관계를 정확히 판단하는 것은 아니고, 독립변수, 종속변수로의 가정을 하고, 가설의 상황에서 수식을 만들어내고 예측을 하는 것입니다. 그렇게 만들어진 모델과 이후 데이터 분석을 통해 독립변수, 종속변수의 가정을 파기하거나 확정하게 되겠죠. :)
            대화보기
            • 하지빠더
              완료
            • 지니
              완료
            • 완료
            • bokiri
              학습완료!
            • Doodada
              완료
            • 무냉스
              완료
            • MacTechIN
              완료
            • MacTechIN
              근데 종속 독립이.. 약간 햇깔립니다. 레모네이드는 이해 됩니다. 독립과 종속이..독립 이 온도 이고, 종속이 판매량 ..근데 아이리스 는 좀 이해가..어떤기준으로 독립 , 종속을 구분해야 하는가요? 제 생각에는 아이리스 종류 별로 꽃잎길이, 폭,받침길이,가 달라 지는 거라고생각 되는데.. 아닌가요?
            • forever04
              완료
            • 이카루시아
              완료
            • 코린이
              완료
            • 하지빠더
              완료
            • Daniel
              done
            • 완료
            • 이민지
              완료
            • nsa000
              완료
            버전 관리
            이선비
            현재 버전
            선택 버전
            graphittie 자세히 보기