훈련용 셋(Train Set) : 학습에 사용되는훈련용 데이터
검증용 셋(Validation Set) : 학습중에 사용되는 평가 데이터
테스트 셋(Test Set) : 학습후에 사용되는 테스트 데이터
validation_data는 epoch 1번을 돌때마다 검사하여 w를 수정하게 된다.
fit(훈련)은 [x_train, y_train] 와 [x_val, y_val] 사용
evaluate(평가)는 [x_test, y_test] 사용
소스는 다음과 같다.
# 1. 데이터 전처리
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
x_train = np.linspace(1, 10, 10)
y_train = x_train
x_val = np.array([100,200,300,400,500])
y_val = x_val
x_test = np.linspace(11, 20, 10)
y_test = x_test
# 2. 모델 구성
model = Sequential()
model.add(Dense(10, input_dim=1, activation='linear'))
model.add(Dense(10, activation='linear'))
model.add(Dense(8, activation='linear'))
model.add(Dense(1))
# 3. 모델 훈련
model.compile(optimizer='adam', loss='mse', metrics=['mae'])
model.fit(x_train, y_train, epochs=100, verbose=0)
# 4. 모델 평가 예측
loss_met = model.evaluate(x_test, y_test, batch_size=1)
print(loss_met)
predict = model.predict(x_test)
print('y_test', y_test, ' predict: \n', predict)
# 그래프 그리기
import matplotlib.pyplot as plt
plt.plot(x_test, predict, 'b', x_test, y_test, 'k.')
plt.legend(['predict', 'y_test'])
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
x_train = np.linspace(1, 10, 10)
y_train = x_train
x_val = np.array([100,200,300,400,500])
y_val = x_val
x_test = np.linspace(11, 20, 10)
y_test = x_test
# 2. 모델 구성
model = Sequential()
model.add(Dense(10, input_dim=1, activation='linear'))
model.add(Dense(10, activation='linear'))
model.add(Dense(8, activation='linear'))
model.add(Dense(1))
# 3. 모델 훈련
model.compile(optimizer='adam', loss='mse', metrics=['mae'])
model.fit(x_train, y_train, epochs=100, verbose=0)
# 4. 모델 평가 예측
loss_met = model.evaluate(x_test, y_test, batch_size=1)
print(loss_met)
predict = model.predict(x_test)
print('y_test', y_test, ' predict: \n', predict)
# 그래프 그리기
import matplotlib.pyplot as plt
plt.plot(x_test, predict, 'b', x_test, y_test, 'k.')
plt.legend(['predict', 'y_test'])
결과)
