머신러닝 2024년 2학기 방송통신대 출석수업과제물)과제슬라이드 1~7의 코드 및 설명을 참조하여 신경망을 구성하고 test accuracy를 출력

소개

- 교재와 강의를 중심으로 쉽고 자세한 설명을 담아 정성을 다해 상세하게 작성하였습니다.
- 신경망 구성을 위해 코드를 빠짐없이 적고 컴파일 결과를 담았으며, 코드에 대한 설명 및 분석을 이해하기 쉽도록 자세하게 작성하였습니다.
- 주피터 노트북 파일도 첨부하였습니다.
- 과제물 지시사항에서 서론·본론·결론 형식을 요구하지 않으며, 논증이 필요한 과제도 아니므로, 불필요하고 번거럽게 서론·본론·결론으로 작성하여 과제 채점 과정에서 교수님의 심기가 불편하지 않도록, 과제물 지시사항에 따른 형식과 내용으로 완벽하게 작성하였습니다.
- 한눈에 내용이 들어올 수 있게 가독성을 고려하여 일목요연하게 작성하였습니다.
- 한글맞춤법을 준수하였습니다.

바쁜 일상 속에서 양질의 리포트를 작성하시는 데, 시간과 노력을 최소화할 수 있는 과제물로 리포트 작성에 참고하시어 좋은 성적 받으세요.^^

글자 모양(맑은고딕, 장평 100%, 크기 11 pt, 자간 0%)

과제 스트레스 싹~ 학점 쑥!

목차

1. 코드 및 컴파일 결과
2. 코드 분석

본문내용

Ⅰ. 코드 및 컴파일 결과
import keras
from keras.models import Sequential
from keras.layers import Dense
from keras.datasets import fashion_mnist
import numpy as np
import matplotlib.pyplot as plt

# 1. Fashion MNIST 데이터셋 import
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

<중 략>

Ⅱ. 코드 분석
주어진 코드는 훈련데이터 이미지 6만개와 테스트데이터 이미지 1만개로 Keras의 Sequential 클래스를 이용하여 인공신경망을 구성한 것이다.
각 이미지는 28x28 데이터로 이를 1차원 벡터로 변환한 후, 두 개의 은닉층을 거쳐 최종적으로 10개의 클래스로 분류하는 신경망을 구축한 것이다.
"4. 모델 구성"에서 각 코드의 내용을 분석하면 다음과 같다

참고자료

· 이관용·박혜영(2022). 머신러닝. KNOU PRESS.