NeuralNet 만들기

본 포스트에서는 XAI 중 Model-Agnostic Method를 적용하기 위해 간단한 Neural Network를 만들어보도록 하겠습니다.

필요 라이브러리 import

 import tensorflow as tf
 import numpy as np
 from sklearn.datasets import load_iris

iris 데이터를 학습할 모델을 생성하기 위해 필요한 라이브러리들을 import 해줍니다.

데이터 전처리

 iris_data = load_iris()

iris 데이터를 불러옵니다.

 total = np.c_[iris_data['data'], iris_data['target']]
 np.random.shuffle(total)

iris 데이터 분석 챕터에서 확인 했듯이 target이 섞여있지 않았습니다.
훈련셋과 시험셋을 랜덤하게 나눠주기 위해 data와 target을 합쳐서 shuffle 해줍니다.

 train, test = total[:len(total)*8//10], totla[len(total)*8//10:]
 x_train, y_train = train[:,:4], train[:, 4]
 x_test, y_test = test[:,:4], test[:, 4]

shuffle한 데이터를 학습셋과 시험셋으로 나눠줍니다.
그리고 모델에 들어가기 위해 feature와 target으로 나눠줍니다.

모델 생성

 model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(32, input_shape=(4,), activation=tf.nn.tanh),
    tf.keras.layers.Dense(32, activation=tf.nn.tanh),
    tf.keras.layers.Dense(32, activation=tf.nn.tanh),
    tf.keras.layers.Dense(3, activation=tf.nn.softmax),
 ])

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

iris 데이터를 학습할 간단한 모델을 만들어 줍니다. 분류문제를 해결할 것이므로 categorical_crossentropy 손실함수를 사용합니다.

모델 학습

 model.fit(x_train, y_train, epochs=10)

Epoch 1/10 120/120 [==============================] - 0s 1ms/sample - loss: 1.1548 - acc: 0.3583 Epoch 2/10 120/120 [==============================] - 0s 83us/sample - loss: 1.0667 - acc: 0.4083 Epoch 3/10 120/120 [==============================] - 0s 91us/sample - loss: 0.9996 - acc: 0.5833 Epoch 4/10 120/120 [==============================] - 0s 91us/sample - loss: 0.9528 - acc: 0.6500 Epoch 5/10 120/120 [==============================] - 0s 91us/sample - loss: 0.8987 - acc: 0.7000 Epoch 6/10 120/120 [==============================] - 0s 83us/sample - loss: 0.8430 - acc: 0.7333 Epoch 7/10 120/120 [==============================] - 0s 91us/sample - loss: 0.7873 - acc: 0.7667 Epoch 8/10 120/120 [==============================] - 0s 91us/sample - loss: 0.7366 - acc: 0.9333 Epoch 9/10 120/120 [==============================] - 0s 83us/sample - loss: 0.6843 - acc: 0.9833 Epoch 10/10 120/120 [==============================] - 0s 91us/sample - loss: 0.6368 - acc: 0.9917

10 epochs로 학습셋을 학습합니다.

모델 평가

 model.evaluate(x_test, y_test)

30/30 [==============================] - 0s 2ms/sample - loss: 0.6846 - acc: 0.9333

90% 넘는 정확도를 가지고 있는 모델을 만들었습니다.

모델 저장

 model.save('iris_model.h5')

모델을 저장해 줍니다.