붓꽃 품종 예측_개선 모델

이전 붓꽃 품종 예측 모델은 양극화, 소프트맥스를 거쳐 교차 엔트로피를 통해 최종 예측 정확도를 출력하는 코드였습니다. 이번에는 하이퍼 파라미터 조작을 이용해 성능 최적화를 해봤습니다. 이전 코드와는 데이터 로드, 모델의 계층과 구성, 학습 모델 선택 등에서 차이가 있습니다. [진행중]으로 표시되던 코드에서는 이전 학습했던 코드들과 동일하게 함수를 사용했는데 이번 코드에서는 학습층의 변경 뿐만 아니라 옵티마이저를 비롯한 함수들의 세부 파라미터에 대한 공부를 바탕으로 더욱 개선해봤습니다. 모듈을 임포트합니다. 이전에는 csv 파일에서 데이터를 로드했는데 이번에는 사이킷런에 있는 붓꽃 데이터를 바로 불러왔습니다. 붓꽃을 구별하는 피처별로 데이터를 정리해서 확인한 후 훈련셋과 검증셋을 분리합니다. 기본 모델(=Basic Model)의 설정과 모델 정보입니다. 이전의 붓꽃 품종 구별 모델에 비해 층수와 노드수가 훨씬 많아졌으며, 최종 출력층에서 소프트맥스를 실행했습니다. 1000번의 epo...