[플레이데이터 빅데이터 부트캠프]머신러닝 & 딥러닝Tensorflow(2)

다항분류

Deep Learning 기반의 손글씨(mnist) 예측하기

데이터 로딩

케라스에 내장되어 있는 mnist 파일을 불러온다.

이미지 파일로 불러오기

데이터 전처리

데이터를 255 단위로 나눠준다. 그렇게 하면 속도면에서 빨라진다고 한다.

희소행렬로 변환

label 값들을 아래와 같은 희소행렬로 바꿔준다. 

희소행렬(spars matrix)는 행렬의 값이 대부분 0인 경우를 가리키는 표현이다.

모델링

loss 함수는 categorical_crossentropy함수를 사용한다.

다중 분류 손실 함수로 출력 값이 one-hot encoding된 결과로 나온다.

테스트셋으로 검증한 결과 최종 정확도가 98%가 나온 것을 확인할 수 있다!