이 장에서는 뉴욕시 택시 요금을 3.5달러 이내 오차로 예측할 수 있는 심층 전방향 신경망을 설계하고 구현했다. 가장 먼저 탐색적 데이터 분석을 진행해 택시 요금에 영향을 미치는 주요 요인을 알아냈다. 이렇게 알아낸 통찰과 도메인 지식을 바탕으로 특징 공학을 수행해 새로운 특징 변수를 추가했다. 또한, 머신 러닝 프로젝트에 모듈화를 적용해 코드를 짧고 간결하게 유지했다.

그런 다음 케라스로 심층 전방향 신경망을 만들고 전처리한 데이터로 훈련시켰다. 이 신경망 모델은 단거리 운행과 장거리 운행의 요금을 매우 정확하게 예측할 수 있다. 게다가 정액 요금을 받는 공항 운행도 매우 정확하게 예측했다.

이것으로 3장을 마친다. 2장에서는 신경망을 사용해 분류 모델을 만들었고, 3장에서는 회귀 모델을 만들었다. 다음 4장에서는 더욱 복잡한 신경망으로 컴퓨터 비전 문제를 해결해 본다.