다변인 선형회귀 모델 개발 예제
- 기상청의 평균 온도, 최저 온도, 최고 온도, 강수량 수치에 따른 배추 가격 데이터로 선형 회귀를 활용하여 미래의 배추 가격 예측라는 모델 만들기
기상청의 평균 온도, 최저 온도, 최고 온도, 강수량, 배추 가격 데이터는 해당 글 최하단에 첨부되어 있으니 다운로드하셔서 이용하시면 됩니다.
####### 다변인 선형회귀 모델 개발 #######
# 텐서플로우와 넘파이 import
import tensorflow as tf
import numpy as np
# Info성 불필요 메시지 미출력을 위한 작업
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
# 엑셀 데이터를 읽어올 수 있도록 하기 위해 import
from pandas.io.parsers import read_csv
# 모델 초기화
model = tf.compat.v1.global_variables_initializer()
# csv 파일 읽어들여 data에 대입 ','를 토큰으로 하여 데이터를 분리하여 담는다.
# ( 해당 파일을 메모장으로 열어보면 ','를 기준으로 데이터들이 나열되어있기 때문 )
data = read_csv('price_data_sample.csv', sep=',')
# 행렬 형태로 해당 데이터를 xy에 대입
xy = np.array(data, dtype=np.float32)
#정상적으로 들어갔는지 확인 (중간 점검, 확인만 해보고 삭제할 것)
print(xy)
# xy 배열에서 모든 배열의 avgTemp, minTemp, maxTemp, rainFall 값을 x_data로 설정
# B, C, D, E 값을 가져옴
x_data = xy[:, 1:-1]
# xy 배열에서 모든 배열의 avgPrice 값을 y_data로 설정
# F 값을 가져옴
y_data = xy[:, [-1]]
# X는 총 4개의 열이 담길 수 있도록 설정
X = tf.compat.v1.placeholder(tf.float32, shape=[None, 4])
# X는 총 1개의 열이 담길 수 있도록 설정
Y = tf.compat.v1.placeholder(tf.float32, shape=[None, 1])
# 가중치 값 초기화
W = tf.Variable(tf.compat.v1.random_normal([4, 1]), name="weight")
# bias 값 초기화
b = tf.Variable(tf.compat.v1.random_normal([1]), name="bias")
# 선형 회귀의 경우 행렬의 곱 연산을 이용하여 결과식을 세울 수 있다
hypothesis = tf.matmul(X, W) + b
# 비용함수 : tensorflow에서 기본적으로 제공해주는 reduce_mean 사용
cost = tf.reduce_mean(tf.square(hypothesis - Y))
# 최적화 함수 : 경사하강법 : 학습률 0.000005로 세팅
optimizer = tf.compat.v1.train.GradientDescentOptimizer(learning_rate = 0.000005)
# cost를 최소화하는 최적값 계산
train = optimizer.minimize(cost)
# 세션 생성 및 초기화
sess = tf.compat.v1.Session()
init = tf.compat.v1.global_variables_initializer()
sess.run(init)
# 1만번 트레이닝 진행
for step in range(10001):
hypo2, cost2, third = sess.run([hypothesis, cost, train], feed_dict={X: x_data, Y: y_data})
if step % 500 == 0:
print("#", step, "손실 비용: ", cost)
print("- 배추 가격: ", hypo2[0])
# 학습한 결과를 파일로 저장, 추후 저장된 모델을 언제든지 불러들여 사용할 수 있도록 함
saver = tf.compat.v1.train.Saver()
save_path = saver.save(sess, "./saved.cpkt")
print("학습된 모델을 저장하였습니다.")
