이 실습에서는 신경망 모델과 지도 학습 작업에 활용하는 방법에 대해 배웁니다. 신경망은 데이터에서 비선형 패턴을 학습할 수 있는 인기 있는 머신 러닝 알고리즘입니다. 종종 분류 및 회귀 작업에 사용됩니다.
특히 입력층과 출력층 사이에 하나 이상의 은닉층을 갖는 신경망의 한 유형인 다층 퍼셉트론 (MLP) 알고리즘에 집중할 것입니다. MLP 는 데이터에서 복잡한 비선형 관계를 학습할 수 있으므로 다양한 작업에 적합합니다.
VM 시작이 완료되면 왼쪽 상단 모서리를 클릭하여 Notebook 탭으로 전환하여 연습을 위한 Jupyter Notebook에 접근합니다.
때때로 Jupyter Notebook 이 완전히 로드되기까지 몇 초 정도 기다려야 할 수 있습니다. Jupyter Notebook 의 제한으로 인해 작업의 유효성 검사를 자동화할 수 없습니다.
학습 중 문제가 발생하면 Labby 에 문의하십시오. 세션 후 피드백을 제공하면 문제를 신속하게 해결해 드리겠습니다.
from sklearn.neural_network import MLPClassifier## 데이터셋 로드
X = [[0., 0.], [1., 1.]]
y = [0, 1]## 5 개의 뉴런으로 이루어진 하나의 은닉층을 가진 MLP 분류기를 생성합니다.
clf = MLPClassifier(hidden_layer_sizes=(5,), random_state=1)
## 학습 데이터를 사용하여 모델을 학습합니다.
clf.fit(X, y)## 새로운 샘플에 대한 예측을 수행합니다.
predictions = clf.predict([[0., 1.], [1., 0.]])## 모델 정확도를 평가합니다.
accuracy = clf.score(X, y)이 실습에서는 신경망 모델, 특히 다층 퍼셉트론 (MLP) 알고리즘에 대해 배웠습니다. 필요한 라이브러리를 가져오고, 데이터셋을 로드하고, MLP 모델을 생성 및 학습시키고, 학습된 모델로 예측을 수행하고, 모델의 정확도를 평가했습니다.
MLP 는 데이터에서 비선형 패턴을 학습할 수 있는 강력한 알고리즘으로, 분류 및 회귀 작업에 널리 사용됩니다. 머신러닝 도구상자에 유용한 도구가 될 수 있습니다.