텐서플로우 학습 모델만들기 layer구성 및 평가 및 예측

dataset = tf.data.Da

#tensor형태로 데이터 변환

dataset = tf.data.Dataset.from_tensor_slices((feature.values, label.values))


#dataset의 batch사이즈를 32로 설정

dataset = dataset.batch(32)


#Keras 메소드 
#모델 클래스 객체 생성
tf.keras.models.Sequential()

#모델의 각 layer구성
tf.keras.layers.Dense(units,activation)

유닛: 레이어 안의 node수 
activation: 적용할 activation함수 

model = tf.keras.models.Sequential([
	tf.keras.layers.Dense(10, input_dim =2, activaton ='sigmoid'), #2개의 입력변수, 10개의 노드 
    tf.keras.layers.Dense(10, activaton ='sigmoid'), #10개의 노드
    tf.keras.layers.Dense(1, activaton ='sigmoid') #1개의 노드
    ])
    
#모델에 layer추가하기 
[model].add(tf.keras.layers.Dense(units, activation))
#유닛:레이어 안의 노드 수

model = tf.keras.models.Sequential()

model.add(tf.keras.layers.Dense(10, input_dim=2, activation ='sigmoid'))
model.add(tf.keras.layers.Dense(10, , activation='sigmoid')),
model.add(tf.keras.layers.Dense(1, activation='sigmoid'))

"""모델 학습시키기
[model].compile(optimizer, loss)

모델을 학습시키기 위한 함수
[model].fit(x,y)"""

#모델학습 예시
model.compile(loss='mean_squared_error', optimizer='SGD')

#dataset에 저장된 데이터를 입력하고, epochs를 100으로 설정하고 학습
model.fit(dataset, epochs=100)

"""모델 평가 메소드
[model].evaluate(x,y)

모델로 예측 수행하기 위한 함수
[model].predict(x)
x: 예측하고자하는 함수 """

#모델 평가 및 예측하기
model.evaluate(X_test, Y_test)
predicted_labels_test = model.predict(X_test)