모두의 딥러닝 - 12장(다중 분류 문제 해결하기)

12장에서는 아이리스 품종 예측으로 다중 분류 실습을 한다.

데이터는 kaggle에서 가져오고, 제대로 다운이 되어서 열리는지 확인해본다.

데이터 전체를 확인해보니, 꽃의 종류별로 데이터 분포가 다른 것을 확인할 수 있다.

 

품종 예측을 하기 위해서 먼저 원핫 인코딩을 해야 한다.

품종이 문자열로 표시되어 있기 때문에 클래스 이름을 숫자 형태로 바꿔줘야 한다.

 

sklearn 라이브러리의 LabelEncode를 사용하면 된다.

Y값이 문자열에서 0,1,2 세가지 숫자로 바뀐다.

그리고 이렇게 to_categorical을 이용해 (1,0,0), (0,1,0), (0,0,1) 이렇게 Y값을 바꿔줄 수 있다.

 

이제 모델 설계를 해준다.

다중 분류에 적절한 오차 함수 categorical_crossentropy를 사용하고, softmax 함수를 활성화 함수로 사용하였다.

 

정확도가 97퍼센트로 높게 나왔다.