모두의 딥러닝 개정 3판: 4 주택 가격 예측 모델

4 주택 가격 예측 모델

이제 앞서 구한 중요 속성을 이용해 학습셋과 테스트셋을 만들어 보겠습니다. 집 값을 y로, 나머지 열을 X_train_pre로 저장한 후 전체의 80%를 학습셋으로, 20%를 테스트셋으로 지정합니다.

cols_train = ['OverallQual','GrLivArea','GarageCars','GarageArea','TotalBsmtSF']
X_train_pre = df[cols_train]
y = df['SalePrice'].values
X_train, X_test, y_train, y_test = train_test_split(X_train_pre, y, test_size=0.2)

모델의 구조와 실행 옵션을 설정합니다. 입력될 속성의 개수를 X_train.shape[1]로 지정해 자동으로 세도록 했습니다.

model = Sequential()
model.add(Dense(10, input_dim=X_train.shape[1], activation='relu'))
model.add(Dense(30, activation='relu'))
model.add(Dense(40, activation='relu'))
model.add(Dense(1))
model.summary()

신간 소식 구독하기

뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.