TensorFlow (feat. Keras)

import tensorflow as tf from tensorflow.keras import layers, models import numpy as np # 가상 데이터셋 생성 np.random.seed(0) # 재현성을 위해 난수 시드 설정 train_data = np.random.rand(1000, 10) # 1000개의 샘플, 각 샘플은 10개의 특성을 가짐 train_labels = np.random.randint(2, size=(1000, 1)) # 1000개의 이진 레이블 test_data = np.random.rand(100, 10) # 100개의 테스트 샘플 test_labels = np.random.randint(2, size=(100, 1)) # 100개의 테스트 이진 레이블 # 모델 정의 model = models.Sequential([ layers.Dense(16, activation='relu', input_shape=(10,)), # 은닉층: 16개의 뉴런을 갖는 Dense 층, ReLU 활성화 함수 사용 layers.Dense(1, activation='sigmoid') # 출력층: 1개의 뉴런, 시그모이드 활성화 함수 사용 ]) # 모델 컴파일 model.compile(optimizer='adam', # 옵티마이저: Adam loss='binary_crossentropy', # 손실 함수: binary_crossentropy metrics=['accuracy']) # 평가 지표: 정확도 # 모델 훈련 model.fit(train_data, train_labels, epochs=10, batch_size=32) # 모델 평가 test_loss, test_acc = model.evaluate(test_data, test_labels) print(f"Test accuracy: {test_acc}") # 예측하기 predictions = model.predict(test_data) print(f"Prediction for the first test sample: {predictions[0]}")