금융 전략을 위한 머신러닝: 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학

64

1

부

프레임워크

모델 평가

전체 데이터셋에 대해 신경망을 훈련했고 같은 데이터셋에 대해 그 신경망의 성능을 평가할 수

있다. 평가 결과를 보고 데이터셋을 얼마나 잘 모델링했고 알고리즘이 새로운 데이터에 얼마나

좋은 성능을 발휘하는지를 이해하게 된다.

evaluation

()

함수를 이용해 훈련 데이터셋에 대

해 모델을 평가한다. 이 함수는 각 입력, 출력 쌍에 대해 예측하고, 평균 손실, 정확도와 같이

설정된 메트릭을 포함해 점수를 기록한다. 파이썬 코드는 다음과 같다.

scores = model.evaluate(X_test, Y_test)

print(“%s: %.2f%%” % (model.metrics_names[1], scores[1]*100))

3.2.2

더 빠른 인공 신경망 모델 실행:

GPU

와 클라우드 서비스

인공 신경망 (특히 층이 많은 심층 신경망 )을 훈련하려면 거대한 계산 능력이 필요하다.

CPU

는 로컬 머신에서 명령어의 처리와 실행을 책임진다.

CPU

는 코어 수가 제한적이고 일을 순차적으로 처리하기 때문에 딥러닝 모델을 훈련하는 데

필요한 많은 행렬 계산을 신속하게 처리하지 못한다. 따라서

CPU

에서 딥러닝 모델을 훈련하

는 것은 대단히 느리다.

다음 대안은

CPU

에서 상당히 많은 시간을 요하는 인공 신경망을 실행하는 데 유용하다.