[tensorflow 14] 보스턴 주택 가격 예측 네트워크01

딥러닝에서 유명한 예제죠.

 

보스턴 주택 가격 예측 네트워크를 만들어보겠습니다.

 

보스턴 주택 가격 데이터셋은 keras와 tf.keras에 기본적으로 내장되어 있습니다.

---

먼저 훈련 데이터, 검증 데이터, 테스트 데이터에 대해 알아봅시다.

 

훈련(train) 데이터는 학습 과정에서 사용되는 데이터입니다. 

 

검증(validation) 데이터는 학습이 잘 되고 있는지 검증하는 용도로 사용되는 데이터입니다.

 

테스트(test) 데이터는 학습 결과를 평가하기 위한 데이터입니다.

 

---

다음은 보스턴 주택 가격 데이터셋에 대하여 알아보겠습니다.

 

1978년 미국 보스턴 지역의 주택 가격이며, 506개 지역의 주택 가격 중앙값을 1,000달러 단위로 나타냈습니다.

 

범죄율, 주택당 방의 수, 고속도로 접근성, 학생/교사 비율 등 13가지 데이터를 이용합니다.

 

 

내장되어 있는 데이터셋이 몇 개인지, 어떤 식으로 구성되어 있는지 확인해보겠습니다.

 

from tensorflow.keras.datasets import boston_housing

(train_X, train_Y), (test_X, test_Y) = boston_housing.load_data()

print("train 데이터 셋 갯수 : ", len(train_X))
print("test 데이터 셋 갯수 : ", len(test_X))

print(train_X[0])
print(train_Y[0])

print(test_X[0])
print(test_Y[0])

train 데이터셋의 개수는 404개, test 데이터셋의 갯수는 102개입니다.

 

각 데이터셋 첫 번째 데이터의 X값은 위에 말씀드렸던 13가지의 정보들의 값을 담고 있습니다.

 

Y값은 그 집의 집 값(1,000달러 단위)입니다.

 

 

여기서 주의 해야할 점은 데이터들의 단위 입니다. 데이터들의 단위가 모두 다르기 때문에 데이터 전처리 과정인 정규화(Standardization)를 먼저 진행하겠습니다.

 

---

각 데이터에서 평균값을 뺀 후 표준편차로 나누어주는 정규화를 진행합니다.

 

from tensorflow.keras.datasets import boston_housing

(train_X, train_Y), (test_X, test_Y) = boston_housing.load_data()

#X 값 Standardization
X_mean = train_X.mean(axis=0)
X_std = train_X.std(axis=0)
train_X = train_X - X_mean
train_X = train_X / X_std
test_X = test_X - X_mean
test_X = test_X / X_std

#Y 값 Standardization
Y_mean = train_Y.mean(axis=0)
Y_std = train_Y.std(axis=0)
train_Y = train_Y - Y_mean
train_Y = train_Y / Y_std
test_Y = test_Y - Y_mean
test_Y = test_Y / Y_std

print(train_X[0])
print(train_Y[0])

print(test_X[0])
print(test_Y[0])

 

 

 

데이터들이 정규분포에 잘 들어간 것 같네요