* 본 강의는 데이터캠퍼스 유료회원만 신청이 가능한 과정입니다.

유료회원은 이용하고자 하는 케이스 강의를 신청 해주시면 관리자가 확인 후 수강이 가능하도록 조치해 드립니다.

평일 근무시간 기준으로 1시간 이내 수강 가능하며, 주말에는 월요일 오전 중에 수강이 가능하도록 조치해드립니다.

######### 과제 소개 ############

본 과제는 Python으로 딥러닝 중 범주형 레이블에 대한 딥러닝 전반분석을 수행하는 소과제 풀이 영상입니다. 

데이터사이언스 Python의 딥러닝 강좌 중 TensorFlow를 활용한 이항 및 다항 범주형 레이블, Softmax에 대한 실습 까지 수강하신 분 중 본인의 실력테스트 및 실전 데이터를 다루는 연습을 하고자 하는 수강생들에게 적합한 과제입니다. 

데이터설명: 레스토랑 운영/폐업 예측 데이터 

소과제 내용: 레스토랑 운영/폐업 예측을 위한 딥러닝 모델 구축

1. 데이터를 Train/Test 데이터로 분리하고 정규화하시오

1) Train Data와 Test Data는 각각 7:3으로 분리하시오. 단, Numpy Random Seed를 42설정하고 무작위로 분류하시오

2) Min-max Scaler를 이용하여 데이터를 정규화하시오

2. Placeholder 초기화부터 모델 평가의 loss 그래프 작성까지 한 번에 진행하는 Tensorflow 함수를 작성하시오

1) 함수 명은 logistic_model_tf, input data는 epoch_size, batch_size, learning_rate, hidden_size1, hidden_size2로 설정하시오

2) Random seed는 42번으로 Tensorflow의 Random Seed와 Numpy의 Random Seed 모두 설정하시오

3) 모델은 2층 Layer로 작성하시오

4) Epoch Size, Batch Size, Learning Rate, 1층의 Hidden Size,  2층의 Hidden Size는 함수에서 받은 것을 활용할 수 있도록 작성하시오

- Epoch Size: epoch_size

- Batch Size: batch_size,

- Learning Rate: learning_rate

- 1층의 Hidden Size: hidden_size1

- 2층의 Hidden Size:: hidden_size2

5) loss는 tf.nn.sigmoid_cross_entropy_with_logits를 이용하여 계산하시오

6) 옵티마이저는 AdamOptimizer를 이용하시오

7) 변수 초기화는 tf. global_variables_initializer 함수를 이용하시오

8) 모델 평가 부분 작성시에는 25단위 Step마다 Train Accuracy와 Test Accuracy 가 출력되도록 하시오.

9)  또한 평가 완료 후 최종적인 Train Accuracy와 Test Accuracy가 출력되도록 하시오

10) Loss 그래프에서 Train Loss는 검정색으로, Tess Loss는 빨간색으로 나타내고,     범례를 우측 상단에 배치하시오

11) Accuracy 그래프에서 Train Set Accracy는 검정색으로, Tess Set Accuracy는 빨간색으로 나타내고,     범례를 우측 하단에 배치하시오

12) 전체 데이터와 Train Data, Test Data로 학습된 예측 값에 대한 Confusion Matrix를 작성하시오

13) 전체 데이터와, Train Data, Test Data로 학습된 예측 값에 대한 Classification Report를 작성하시오

14) 모든 작업이 끝난 후 sess.close() 함수를 이용하여 Session을 닫으시오

3. 작성한 logistic_model_tf 함수를 이용하여 모델을 만들고 평가하시오

1) Batch size를 각각 20, 50, 100, Learning Rate를 각각 0.005, 0.01. 0.05로 설정하고 모델을 만들어 Loss를 비교하시오

     (Epoch Size:는 500, 1층의 Hidden Layer 수는 10, 2층의 Hidden Layer 수는 5로 고정)

2) 1층의 Hidden Layer 수를 10, 2층의 Hidden Layer 수를 5로 설정한 모델과 각각 20와 10로 설정한 모델을 만들어 Loss를 비교하시오

     (Epoch Size 는 500, Batch Size는 50, Learning Rate는 0.005로 고정)