[모두의 딥러닝] 13. 폐암 수술 환자의 생존율 예측 데이터 분석

1. 환경 및 데이터 준비 # 텐서플로 라이브러리 안에 있는 케라스 API에서 필요한 함수들 호출 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense # 데이터를 다루는 데 필요한 라이브러리 호출 import numpy as np # 준비된 수술 환자 데이터를 불러옴 Data_set = np.loadtxt("./data/ThoraricSurgery3.csv", delimiter=",") X = Data_set[:,0:16] # 환자의 진찰 기록을 X로 지정 y = Data_set[:,16] # 수술 1년 후 사망/생존 여부를 y로 지정 2. 구조 결정 - 딥러닝의 구조를 짜고 층 설정 model =..

• format_list_bulleted AI/모두의 딥러닝
• · 2023. 5. 24.
• textsms

[모두의 딥러닝] 7. 머신 러닝 용어, 텐서플로(tensorflow), 케라스(keras) API

머신 러닝 용어 가설 함수(hypothesis) - H(x) : 문제를 해결하기 위해 가정하는 식 (ex.y = ax + b) 가중치(weight) : y = ax + b에서 변수 x에 어느 정도의 가중치를 곱하는지 결정하는 기울기 a 편향(bias) : y = ax + b에서 데이터의 특성에 따라 따로 부여되는 값 b 머신 러닝에서 y = ax + b => H(x) = wx + b 가중합 : 입력 값과 가중치를 모두 곱한 후 바이어스(bias)를 더한 값 활성화 함수(activation function) : 입력된 값을 다음 층으로 넘길 때 각 값을 어떻게 처리할지를 결정하는 함수 : 가중합의 결과를 0 또는 1로 판단하는 함수 손실 함수(loss function) : 실제 값과 예측 값 사이의 오차에..

• format_list_bulleted AI/모두의 딥러닝
• · 2023. 5. 18.
• textsms

[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..

• format_list_bulleted AI/모두의 딥러닝
• · 2023. 5. 12.
• textsms