[tensorflow 13] 딥러닝 네트워크 회귀

앞서 배웠던 것들로 학령인구와, 노령인구의 경향을 나타내주는 딥러닝 네트워크 회귀선을 만들어 보겠습니다.

 

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

#X = school_age_population, Y = elderly_population
X = [16.4, 14.7, 17.2, 16.6, 17.1, 20.3, 17.2, 15.6, 17.4, 18.7, 16.9, 17.1, 15.8, 19.3, 16.6, 15.1, 17.9]
Y = [11.4, 13.2, 11.1, 17.6, 16.3, 9.2, 15.2, 18.4, 18.5, 11.6, 13.7, 9.7, 21.5, 12.0, 14.5, 15.8, 14.0]

model = tf.keras.Sequential([
    tf.keras.layers.Dense(units=6, activation='sigmoid', input_shape=(1,)),
    tf.keras.layers.Dense(units=1)
])

model.compile(optimizer=tf.keras.optimizers.SGD(lr=0.05), loss='mse')
model.fit(X, Y, epochs=50)

x = np.arange(min(X), max(X), 0.01)
y = model.predict(x)

plt.plot(x, y, 'r-')
plt.plot(X, Y, 'ko')
plt.xlabel('school_age_population(%)')
plt.ylabel('elderly_population(%)')
plt.show()

2개의 Dense 레이어로 구성하였습니다

 

첫 번째 Dense 레이어는 6개의 뉴런을 할당하였고, sigmoid 활성화 함수를 사용하였습니다.

 

두 번째 Dense 레이어는 하나의 Y값만 출력하기 위해 1개의 뉴런수를 할당하였습니다.

 

optimizer는 평균 제곱 오차(Mean Squared Error)를 사용하였습니다.

 

이런 결과가 나왔네요.

 

40epoch부터 loss가 줄어들지 않네요.

 

앞서 구현하였던 다항회귀선과는 다른 회귀선이 나왔습니다.