3 모델 컴파일

다음으로 model.compile 부분입니다.

model.compile(loss='binary_crossentropy', optimizer='adam', metrics= ['accuracy'])

model.compile 부분은 앞서 지정한 모델이 효과적으로 구현될 수 있게 여러 가지 환경을 설정해 주면서 컴파일하는 부분입니다. 먼저 어떤 오차 함수를 사용할지 정해야 합니다. 우리는 5장에서 손실 함수에는 두 가지 종류가 있음을 배웠습니다. 바로 선형 회귀에서 사용한 평균 제곱 오차와 로지스틱 회귀에서 사용한 교차 엔트로피 오차입니다. 폐암 수술 환자의 생존율 예측은 생존과 사망, 둘 중 하나를 예측하므로 교차 엔트로피 오차 함수를 적용하기 위해 binary_crossentropy를 선택했습니다.

손실 함수는 최적의 가중치를 학습하기 위해 필수적인 부분입니다. 올바른 손실 함수를 통해 계산된 오차는 옵티마이저를 적절히 활용하도록 만들어 줍니다. 케라스는 쉽게 사용 가능한 여러 가지 손실 함수를 준비해 놓고 있습니다. 크게 평균 제곱 오차 계열과 교차 엔트로피 계열 오차로 나뉘는데, 이를 표 10-1에 정리해 놓았습니다. 선형 회귀 모델은 평균 제곱 계열 중 하나를, 이항 분류를 위해서는 binary_crossentropy를, 그리고 다항 분류에서는 categorical_crossentropy를 사용한다는 것을 기억합시다.