[모두의 딥러닝] 1. 폐암 수술 환자의 생존율 예측 코드 맛보기

1. 환경 준비

- 딥러닝을 구동하거나 데이터를 다루는 데 필요한 라이브러리 호출

 

 

•  import

: 라이브러리 호출하는 명령어

 

•  from (라이브러리명) import (함수명)

: 라이브러리에 있는 모듈 중 일부만 호출하고 싶을 때 사용

 

•  import (라이브러리명) as (별명)

: 불러온 라이브러리의 이름을 변경

from tensorflow.keras.models import Sequential  # 텐서플로의 케라스 API에서 필요한 함수 호출
from tensorflow.keras.layers import Dense  # 데이터를 다루는데 필요한 라이브러리 호출
import numpy as np

 

 

 

2. 데이터 준비

- 데이터를 불러와 사용할 수 있도록 준비

 

 

•  loadtxt()

: csv 파일 불러옴

: 넘파이(numpy)에 존재

Thoraric Surgery csv 파일 내용. 총 470개의 샘플.

Data_set = np.loadtxt("./data/ThoraricSurgery3.csv", delimiter=",")  # 준비된 수술 환자 데이터 호출
X = Data_set[:,0:16]  # 환자의 진찰 기록(속성)을 X로 지정
y = Data_set[:,16]  # 수술 후 사망/생존 여부(클래스)를 y로 지정

 

 

 

3. 구조 결정

- 딥러닝의 구조 결정

 

 

•  Sequential()

: 레이어를 선형으로 연결하여 구성

: 케라스(keras)에 존재

 

•  add()

: 레이어 추가

: Sequential에 존재

model = Sequential()  # 딥러닝 모델의 구조를 결정
model.add(Dense(30, input_dim=16, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

 

 

 

4. 모델 실행

- 딥러닝 모델 실행하고 결과 확인

 

 

•  compile()

: 괄호 안에 있는 옵션 적용해서 환경설정

: loss(손실 함수), optimizer(정규화기), metric(기준 리스트) 옵션 존재

: Sequential에 존재

 

•  fit()

: 모델 학습

: Sequential에 존재

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])  # 딥러닝 모델을 실행
history=model.fit(X, y, epochs=5, batch_size=16)

 

 

 

'모두의 딥러닝 개정 3판'의 내용과 https://github.com/taehojo/deeplearning의 코드 참고