신경망

Python으로 배우는 금융 분야 Machine Learning

Nathan George

Data Science Professor

GPU 무어의 법칙

신경망의 가능성

신경망의 특징:

비선형성
변수 간 상호작용
커스터마이징 가능

기본 신경망 다이어그램

기본 수식이 포함된 신경망 다이어그램

신경망 수식

신경망 활성화 다이어그램

활성화 함수

손실 함수

순전파

역전파

keras 및 tensorflow 로고

keras로 신경망 구현하기

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

keras로 신경망 구현하기

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


model = Sequential()

model.add(Dense(50,
                input_dim=scaled_train_features.shape[1],
                activation='relu'))
model.add(Dense(10, activation='relu'))
model.add(Dense(1, activation='linear'))

모델 학습시키기

model.compile(optimizer='adam', loss='mse')
history = model.fit(scaled_train_features, 
                    train_targets, 
                    epochs=50)

plt.plot(history.history['loss'])
plt.title('loss:' + str(round(history.history['loss'][-1], 6)))
plt.xlabel('epoch')
plt.ylabel('loss')
plt.show()

손실 플롯

성능 확인하기

from sklearn.metrics import r2_score

# calculate R^2 score
train_preds = model.predict(scaled_train_features)
print(r2_score(train_targets, train_preds))

0.4771387560719418

성능 시각화하기

# plot predictions vs actual
plt.scatter(train_preds, train_targets)
plt.xlabel('predictions')
plt.ylabel('actual')
plt.show()

예측값 대 실제값

신경망을 만들어 보세요!

Python으로 배우는 금융 분야 Machine Learning