[혼공머신] 6주차_혼자 공부하는 머신러닝+딥러닝_Chap07

 

대망의 6주차. 

머신러닝을 어떻게 마치고 딥러닝으로 들어갑니다.

 

---

Chapter 07. 딥러닝을 시작합니다 | 패션 럭키백을 판매합니다!

• 07-1 인공 신경망
• 07-2 심층 신경망
• 07-3 신경망 모델 훈련

---

학습 목표

• 딥러닝의 핵심 알고리즘인 인공 신경망을 배웁니다.
• 대표적인 인공 신경망 라이브러리인 텐서플로와 케라스를 소개합니다.
• 인공 신경망 모델의 훈련을 돕는 도구를 익힙니다.

---

07-1 인공 신경망

• 인공 신경망, 텐서플로, 밀집층, 원-핫 인코딩

07-2 심층 신경망

• 심층 신경망, 렐루 함수, 옵티마이져

07-3 신경망 모델 훈련

• 드롭아웃, 콜백, 조기 종료

 

 

---

Ch.07(07-1) 확인 문제 풀고, 풀이 과정 정리하기

 

1. 어떤 인공신경망의 입력 특성이 100개이고 밀집층에 있는 뉴런의 갯수가 10개일 때 필요한 모델 파라미터의 개수는 몇 개인가요?

✅ 답: 1010

🚀 풀이:

• 뉴런의 가중치와 편향을 고려해야 합니다.
  • 입력 특성 개수 =  100 
  • 밀집층(Dense layer)의 뉴런 개수 =  10 
• 가중치(Weights) 개수
  • 각 뉴런은 입력 특성마다 하나의 가중치를 가집니다.
  • 가중치의 개수: 100 * 10 = 1,000 
• 편향(Bias) 개수
  • 각 뉴런은 하나의 편향을 가집니다.
  • 편향의 개수: 10
• 가중치 개수 + 편향 개수 =  1000 + 10 = 1010

 

2. 케라스의 Dense를 사용해 신경망의 출력층을 만들려고 합니다. 이 신경망이 이진 분류 모델이라면 activation 매개변수에 어떤 활성화 함수를 지정해야 하나요?

✅  답: 'Sigmoid'

🚀 풀이:

앞의 내용은 문제 설명일뿐 

이진 분류에서는 하나의 뉴런만 필요하기 때문에 출력값이(0~1) 범위로 제한되고

입력값을 확률처럼 해석할 수 있는 Sigmoid 함수를 지정해야 합니다.

 

3. 케라스의 모델에서 손실 함수와 측정 지표등을 지정하는 메서드는 무엇인가요?

✅답: compile()

🚀 풀이:

• 케라스 모델을 학습시키려면 손실 함수와 측정 지표를 지정해야 합니다.
  • 손실 함수(loss function): 모델의 예측이 정답과 얼마나 차이가 나는지 측정하는 함수입니다.
  • 측정 지표(metrics): 모델의 성능을 평가하는 기준(예: 정확도 accuracy).
• 해당 설정을 담당하는 메서드는 compile()입니다.

4. 정수 레이블을 타깃으로 가지는 다중분류 문제일때 케라스 모델의 compile() 메서드에 지정할 손실 함수로 적절한 것은 무엇인가요?

✅답: sparse_categorical_crossentropy

🚀 풀이:

• 다중 분류 문제에서는 정수 레이블과 원-핫 인코딩 레이블 두 가지 경우가 있습니다.
  • 정수 레이블: 클래스가 0, 1, 2, ... 같은 정수 값으로 주어짐.
  • 원-핫 인코딩 레이블: [1, 0, 0], [0, 1, 0], [0, 0, 1] 같은 배열 형태로 변환됨.
• 정수 레이블을 사용할 때 적절한 손실 함수는 sparse_categorical_crossentropy입니다.
• 원-핫 인코딩된 레이블을 사용할 때 적절한 손실 함수는 categorical_crossentropy 입니다.
• 문제 내 '정수 레이블'을 사용한다고 나와있으니 정답은 sparse_categorical_crossentropy 입니다.

---

Ch.07(07-2) 확인 문제 풀고, 풀이 과정 정리하기