반응형
Sequential 클래스의 fit 함수를 보면, 파라미터로 validation_split 이 있다.
여기에 원래 주어진 데이터셋을 얼마의 비율로 나워서 트레이닝 데이터셋과 테스트 데이터셋으로 사용할 지 결정할 수 있다.
예를 들면, 원래 데이터셋이 1000개 이고, fit 함수의 validation_split = 0.2 로 하면,
training dataset 은 800개로 하여, training 시키고,
나머지 200개는 test dataset 으로 사용하여, 모델을 평가하게 된다.
1 2 3 4 5 6 7 8 9 | # create model classifier = Sequential() classifier.add(Dense(100, input_dim=8, activation='relu')) classifier.add(Dense(200, activation='relu')) classifier.add(Dense(1, activation='sigmoid')) # Compile model classifier.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) # Fit the model classifier.fit(X, Y, validation_split=0.2, epochs=150, batch_size=20) | cs |
아래는 결과로 나오는 일부 캡쳐.
반응형
'DeepLearining' 카테고리의 다른 글
텐서플로우의 모델, weight(가중치) 저장하고 불러오기 (0) | 2021.02.24 |
---|---|
옵티마이저 (Optimizer) 종류 - 인공지능, 머신러닝, 데이터마이닝 (0) | 2020.12.10 |
Label Encoding and One Hot Encoding (0) | 2017.10.29 |
딥러닝의 모델 성능 평가2 - manual 로 varification dataset 만들기 (0) | 2017.10.29 |
모델을 fit 한 후, accuracy 와 epoch 를 그래프로 나타내는 Keras Python Code (0) | 2017.10.29 |