반응형
train_test_split 함수를 이용해서, training dataset 과 test dataset 을 나누어 줄 수 있다.
이때, 꼭 scikit-learn 라이브러리를 임포트 하는것을 잊으면 안된다.
from sklearn.model_selection import train_test_split
마지막으로, Sequential 클래스의 fit 함수의 파라미터인, validation_data 에 test dataset 의 data와 label 값을 설정해 주면 된다.
validation_data=(X_test,y_test)
1 2 3 4 5 6 7 8 9 10 11 12 13 | # Splitting the dataset into the Training set and Test set from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=0) # create model model = Sequential() model.add(Dense(12, input_dim=8, activation='relu')) model.add(Dense(8, activation='relu')) model.add(Dense(1, activation='sigmoid')) # Compile model model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) # Fit the model model.fit(X_train, y_train, validation_data=(X_test,y_test), epochs=150, batch_size=10) | cs |
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 평가 1 - Keras의 validation_split 이용하는 방법 (0) | 2017.10.29 |
| 모델을 fit 한 후, accuracy 와 epoch 를 그래프로 나타내는 Keras Python Code (0) | 2017.10.29 |