4.3.3 모델 구성

샘플 개수가 적기 때문에 64개의 유닛을 가진 2개의 중간층으로 작은 모델을 구성하여 사용하겠습니다. 일반적으로 훈련 데이터의 개수가 적을수록 과대적합이 더 쉽게 일어나므로 작은 모델을 사용하는 것이 과대적합을 피하는 한 방법입니다.

코드 4-25 모델 정의하기

def build_model(): 
    model = keras.Sequential([ ----- 동일한 모델을 여러 번 생성할 것이므로 함수를 만들어 사용합니다.
        layers.Dense(64, activation="relu"),
        layers.Dense(64, activation="relu"),
        layers.Dense(1)
    ])
    model.compile(optimizer="rmsprop", loss="mse", metrics=["mae"])
    return model

이 모델의 마지막 층은 하나의 유닛을 가지고 있고 활성화 함수가 없습니다(선형 층이라고 부릅니다). 이것이 전형적인 스칼라 회귀(하나의 연속적인 값을 예측하는 회귀)를 위한 구성입니다. 활성화 함수를 적용하면 출력 값의 범위를 제한하게 됩니다. 예를 들어 마지막 층에 sigmoid 활성화 함수를 적용하면 모델이 0과 1 사이의 값을 예측하도록 학습될 것입니다. 여기에서는 마지막 층이 순수한 선형이므로 모델이 어떤 범위의 값이라도 예측하도록 자유롭게 학습됩니다.