Logistic Regression / DeepLearning 간단 비교

인공지능 Artificial Inteligence

인공적으로 만들어진 지능, 인간의 학습/추론 능력 등을 컴퓨터를 통해 구현하는 추상적인 개념

머신러닝 Machine Learning

데이터를 이용하여 데이터 특성과 패턴을 학습하고, 그 결과를 바탕으로 미지의 데이터에 대한 결과를 예측

딥러닝 Deep Learning

머신러닝의 한 분아로서, 인공신경망(ANN, Aritificial Neural Network)을 이용하여 데이터 특성과 패턴을 학습한 후에 그 결과를 바탕으로 학습되지 않은 미지의 데이터에 대한 미래 결과를 예측

 

Deep Learning Basic Architecture는 기본 Machine Learning Architecture에 은닉층이 추가된 형태이다.

# Logistic Regression
model = tf.keras.models.Sequential()
model.add(tf.keras.laysers.Dense(1, input_shape(1,), activation = 'sigmoid'))
model.compile(tf.keras.optimizers.SGD(learning_rate = 0.1), loss ='binary_crossentropy', metrics = ['accuracy'])
model.fit(x_data, t_data, epochs = 500)

# Deep Learning
model = tf.keras.models.Sequential()
model.add(tf.keras.laysers.Dense(8, input_shape = (1,), activation = 'sigmoid'))
model.add(tf.keras.layers.Dense(1, activation = 'sigmoid'))
model.compile(tf.keras.optimizers.SGD(learning_rate = 0.1), loss = 'binary_crossentropy', metrics = ['accuracy'])
model.fit(x_data,t_data, epochs=500)

Deep learning 모델은 8개의 노드를 가지는 은닉층이 추가된 것을 볼 수 있다.