df = pd.read_csv('../chap9/data/covtype.csv')
x = df[df.columns[:54]]
y = df.Cover_Type  ------ 정답(레이블)을 Cover_Type 칼럼으로 지정

x_train, x_test, y_train, y_test = train_test_split(x, y, train_size=0.7,
                                                    random_state=90) ------ 훈련과 검증 데이터셋으로 분리하며, 전체 데이터셋 중 70%를 훈련용으로 사용

model = tf.keras.Sequential([
    tf.keras.layers.Dense(64, activation='relu',
                          input_shape=(x_train.shape[1],)),
    tf.keras.layers.Dense(64, activation='relu'),
    tf.keras.layers.Dense(8, activation='softmax')
]) ------ 출력층은 소프트맥스 활성 함수 사용

model.compile(optimizer=tf.keras.optimizers.Adam(0.001),
              loss='sparse-categorical crossentropy',
              metrics=['accuracy'])------ y가 다중 분류가 가능한 값을 갖기 때문에 sparse-categorical crossentropy 손실 함수 사용
history1 = model.fit(
    x_train, y_train,
    epochs=26, batch_size=60,
    validation_data=(x_test, y_test))  ------ 모델 훈련