
253
8
장
핸즈온 오토인코더
8
장에서는 과소완전, 과대완전, 희소, 노이즈 제거, 변분 오토인코더를 포함한 오토인코더의
다양한 버전을 사용해 응용 프로그램을 구축할 겁니다.
4
장에서 소개한 신용카드 사기 탐지 문제로 다시 돌아가 봅시다. 신용카드 거래 총
284
,
807
건
중에서
492
건만 사기 거래입니다. 우리는 지도 학습 모델을 사용해 평균 정밀도
0
.
82
를 달성
했으며 이 결과는 매우 인상적이었습니다. 이 모델은 정밀도
80
% 이상으로 사기 거래의
80
%
이상을 탐지할 수 있었습니다. 또한, 비지도 학습 모델을 사용해 평균 정밀도
0
.
69
를 달성했습
니다.
75
% 이상의 정밀도로 사기 거래의
75
% 이상을 탐지할 수 있었습니다. 이는 레이블을 사
용하지 않은 점을 감안하면 매우 좋은 결과였습니다.
이제 동일한 문제를 오토인코더를 사용해 어떻게 해결할 수 있는지 살펴보겠습니다. 오토인코
더는 비지도 학습 알고리즘이지만 신경망을 사용합니다.
8.1
데이터 준비
먼저 필요한 라이브러리를 로드합니다.
''' 메인 라이브러리'''
import numpy as np
import pandas as pd
핸즈온 오토인코더
CHAPTER
8