레플리
글 수 203

텐서플로우로 선형 회귀 구현

조회 수 1359 추천 수 0 2017.03.09 12:09:08


https://cpuu.postype.com/post/161789/

 

 

 

선형 회귀(Linear Regression)은 데이터를 통해 1차 방정식인 직선을 구하고 이 모델을 사용하여 입력에 대한 출력을 예측하는 기계학습의 한 종류입니다.

 

 

 

LPyvLJmU5l32mbi0wZU8vVnuwIcGOlLsZMypaTePR4D6V6dU4laZac9D13tXf0Zgmg3HP3fhxLQNDcxnlSXCgvsl8IhzLg3kY1Fgm8H8O1LhGDl4FQ.png

 

예를 들어, 어떤 제품의 (예약대수, 판매대수)에 대한 데이터가 있다고 하면 회귀 분석을 사용하여 위와 같은 직선의 a와 b의 값을 구할 수 있습니다. 그리고 이 공식으로 특정 예약대수일때의 판매대수를 예상할 수 있습니다.

 

 

 

예측에 따른 오차를 계산하기 위해 비용 함수(Cost Function)를 사용합니다. 그리고 이 비용 함수가 최소가 되도록, 다시 말해 오차가 적은 모델을 생성해야 합니다. 경사 하강법으로 비용 함수가 최소가 되는 x를 찾을 수 있습니다.

 

f4caacedc8b1e8b2092d5b2ec0edf64d.png

 

선형 회귀의 비용 함수는 위와 같습니다. h는 가설(hypothesis)로서 h(x)는 y(x)와 동일합니다. 데이터의 y값과 직선의 y값의 거리를 평균한 것인데 이 값이 작을 수록 오차가 낮다는 것을 의미합니다.

 

 

 

텐서플로우로 선형 회귀를 구현한 코드는 아래와 같습니다.

 

-------------------------------------------------------------

import tensorflow as tf

 

# 데이터 집합

x_data = [4.0391, 1.3197, 9.5613, 0.5978, 3.5316, 0.1540, 1.6899, 7.3172, 4.5092, 2.9632]

y_data = [11.4215, 10.0112, 30.2991, 1.0625, 13.1776, -3.1976, 6.7367, 23.8550, 14.8951, 11.6137]

 

# W, b 매개변수를 랜덤하게 초기화

W = tf.Variable(tf.random_uniform([1], -5.0, 5.0))

b = tf.Variable(tf.random_uniform([1], -5.0, 5.0))

 

# X, Y를 플레이스홀더로 설정

X = tf.placeholder(tf.float32)

Y = tf.placeholder(tf.float32)

 

# 가설 변수 설정

hypothesis = W * X + b

 

# 비용 함수 설정

# reduce_mean은 평균값을 구하는 함수

cost = tf.reduce_mean(tf.square(hypothesis - Y))

 

# 경사 하강법으로 비용 함수가 최소가 되는 W, b 변수를 학습

# 학습률은 0.01로 설정

a = tf.Variable(0.01)

optimizer = tf.train.GradientDescentOptimizer(a)

train = optimizer.minimize(cost)

 

init = tf.initialize_all_variables()

 

sess = tf.Session()

sess.run(init)

 

# 2001번 학습 반복

for step in xrange(2001):

    sess.run(train, feed_dict={X:x_data, Y:y_data})

    if step % 20 == 0:

        print step, sess.run(cost, feed_dict={X:x_data, Y:y_data}), sess.run(W), sess.run(b)

 

# 학습된 모델로 x = 5일때 예측

answer = sess.run(hypothesis, feed_dict={X:5})

print 'When X=5, hypothesis = ' + str(answer)

-------------------------------------------------------------

List of Articles
제목 글쓴이 날짜 조회 수
Selfie, 비지도학습 이미지 사전훈련 모델 file 깊은바다 2019-06-15 3517
목소리와 입모양을 변경할 수 있는 GAN 모델 깊은바다 2019-06-13 1381
딥러닝의 미래는 바로 비지도학습 깊은바다 2019-06-06 6353
YOLO, Object Detection Network - 알고리즘 설명 file 깊은바다 2019-06-02 24967
사진 한 장으로 GAN 영상 생성 깊은바다 2019-05-23 1961
객체 검출 딥러닝 모델인 YOLO의 테드 영상 깊은바다 2019-05-22 2819
스냅챕의 성별 변환 필터는 GAN을 사용했을까 깊은바다 2019-05-15 683
신경망에 활성화 함수가 필요한 이유 file 깊은바다 2019-05-14 23714
핸즈온 머신러닝 2판 영문 초고 다운로드 깊은바다 2019-05-12 2352
GTA5로 자율주행 구현 영상 깊은바다 2019-05-08 1982
전신 사진을 생성하는 GAN 깊은바다 2019-05-05 831
인공신경망 학습 레시피 - 안드레이 카파시의 딥러닝 실전 노하우 깊은바다 2019-04-27 1051
MS의 챗봇 린나, 딥러닝으로 노래를 부르는 가수로 데뷔 깊은바다 2019-04-10 559
10분안에 배우는 머신러닝 - GAN 알고리즘 원리와 응용분야 깊은바다 2019-04-01 1131
구글 텐서플로우 첫걸음 - Tensorflow2.0 소개 [1] 깊은바다 2019-03-27 4561