[인공지능 개발] #7. 머신러닝

규칙기반

규칙 기반으로 돌아가도록 프로그래밍 된 시스템

효율적이지만 한계가 존재함

오류의 위험이나 고정된 결과가 있을 때 활용

조건문 형식의 코딩

 

머신러닝

라벨링이 되지 않은 데이터로 업무를 분류하고 수행됨

고정된 규칙이 아니라 스스로 새로운 규칙을 학습함

단순 규칙을 적용하기가 어려울 때, 데이터가 급변할 때, 자연어 처리가 필요할 때 활용

머신러닝의 정확도(예측률)는 얼마나 정확한 선을 긋냐에 따라 정해진다.

 

예제

환자의 생존율 예측하기 실습

환자 데이터명: data_new.csv

 

#딥러닝 구동에 필요한 keras 함수 호출

from tensorflow.keras.models import Sequential

from tensorflow.keras.layers import Dense

 

#필요한 라이브러리 호출

import numpy as np

import tensorflow as tf

 

#실행할 때마다 같은 결과를 출력하기 위해 설정

np.random.seed(3)

tf.random.set_seed(3)

 

#환자 데이터 호출

Data_set = np.loadtxt("data_new.csv", delimiter=",") #파일 경로를 잘 넣어줘야 한다.

 

#환자의 기록과 수술결과를 X와 Y로 구분하여 저장

X = Data_set[:,0:17]

Y = Data_set[:,17]

 

#딥러닝 구조 결정

model = Sequential()

model.add(Dense(30, input_dim=17, activation='relu'))

model.add(Dense(1, activation='sigmoid'))

 

#딥러닝을 실행

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

model.fit(X, Y, epochs=100, batch_size=10)

 

#결과 출력

print("\n Accuracy: %.4f" % (model.evaluate(X, Y)[1]))