[python] 신경망을 활용한 머신러닝 모델 설계

12 Dec 2023

python

인공 신경망(ANN)은 머신러닝 모델링에 광범위하게 활용되고 있습니다. 이번 블로그에서는 파이썬을 이용하여 신경망을 활용한 머신러닝 모델을 설계하는 과정을 살펴보도록 하겠습니다.

1. 데이터 전처리

우선, 모델 학습을 위해 데이터를 준비하고 전처리해야 합니다. 데이터 전처리에는 데이터 스케일링, 누락된 값 처리, 범주형 데이터의 인코딩 등이 포함됩니다.

# 데이터 불러오기
import pandas as pd
data = pd.read_csv('data.csv')

# 데이터 스케일링
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaled_data = scaler.fit_transform(data)

# 누락된 값 처리
data.dropna(inplace=True)

# 범주형 데이터 인코딩
encoded_data = pd.get_dummies(data)

2. 모델 구축

다음으로, 인공 신경망 모델을 구축합니다. 케라스(Keras)를 사용하여 간단한 다층 퍼셉트론(MLP)을 구현할 수 있습니다.

from keras.models import Sequential
from keras.layers import Dense

# 모델 초기화
model = Sequential()

# 입력층과 은닉층 추가
model.add(Dense(12, input_dim=8, activation='relu'))

# 두 번째 은닉층 추가
model.add(Dense(8, activation='relu'))

# 출력층 추가
model.add(Dense(1, activation='sigmoid'))

3. 모델 학습 및 평가

마지막으로 모델을 학습하고 평가합니다. 데이터를 학습 및 테스트 세트로 분할한 후, 모델을 학습시키고 평가합니다.

# 데이터 분할
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(encoded_data, labels, test_size=0.2, random_state=42)

# 모델 학습
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X_train, y_train, epochs=100, batch_size=10)

# 모델 평가
_, accuracy = model.evaluate(X_test, y_test)
print('Accuracy: %.2f' % (accuracy))

이상으로 신경망을 활용한 머신러닝 모델 설계에 대해 알아보았습니다. 데이터 전처리, 모델 구축, 학습 및 평가 과정을 거쳐 완성된 모델을 얻을 수 있습니다.생성된 모델에는 테스트할 수 있는 [Posseman & Page, 2021] 을 포함합니다.

References:

Posserman, A., & Page, R. (2021). Deep Learning for Beginners. Springer.