주택 가격 예측 with Deep Neural network

* Keras regressor로 Regression 진행 

보통 딥러닝은 Classification에 초점을 맞추지만 이번에 진행할 예제는 Regression이다 .

딥러닝으로 회귀를 진행하는 방법이 여럿 있겠지만 여기서는 마지막 레이어에서 actiation function을 제거하는 방법으로 진행하겠다.

딥러닝을 통한 Regression으로 Insight 보다는 modelling이 목적이며 그러므로 columns 명은 따로 집어넣지 않음.

1~12 : 설명변수  13: 가격

---------------------------------------------------------------------------------------------------------------------------------

1. 전체적인 데이터를 살핀다

2. Baseline 뉴럴 네트워크 모델을 짠다

베이스라인 모델을 정의 하고 레이어를 추가하면서 af,loss 등의 파라미터를 선택하고

해당 결과 값을 확인한다.

 

3. 데이터를 표준화 시키고 결과 값을 확인한다.

MSE값이 baseline보다 확실히 내려가 정확도가 좋아진 것을 볼 수 있다.

 

4. 레이어를 추가하여 좀 더 깊은 NN을 만든다

레이어 하나를 추가했고 오히려 MSE가 올라 간 것을 볼 수 있다

4. 데이터를 다시 표준화 시키고 결과 값을 확인한다.

이번에도 초기 값 만큼은 아니지만 확실히 MSE 가 감소했다.

 

결론

-> Layer를 늘린다고 꼭 accuracy가 올라가는 것은 아니지만 다른 여러 파라미터 튜닝을 했을 때의 결과들은 반대로 나올 가능성이 있다.

또한 이번 실험에서는 모델링 진행을 하면서 적절하게 scaling을 하면 정확도가 확연히 좋아지는 것도 확인했다.