파이썬 라이브러리를 활용한 머신러닝(번역개정판): 사이킷런 핵심 개발자가 쓴 머신러닝과 데이터 과학 실무서

2

장

지도 학습

151

여기서 사용한 최적화 알고리즘은

solver

=‘

lbfgs

’로 잠시 후에 설명하겠습니다.

MLP

는 기본값으로 은닉 유닛

100

개를 사용하는데 이런 작은 데이터셋에는 과분한 크기입니

다. 은닉 유닛의 개수를 줄여도 (모델의 복잡도는 낮아지고 ) 여전히 좋은 결과를 얻을 수 있습

니다(그림

2

-

49

).

In [95]:

mlp = MLPClassier(solver='lbfgs', random_state=0, hidden_layer_sizes=[10])

mlp.t(X_train, y_train)

mglearn.plots.plot_2d_separator(mlp, X_train, ll=True, alpha=.3)

mglearn.discrete_scatter(X_train[:, 0], X_train[:, 1], y_train)

plt.xlabel("특성 0")

plt.ylabel("특성 1")

그림

2-49

은닉 유닛이 10개인 신경망으로 학습시킨

two

_

moons

데이터셋의 결정 경계

은닉 유닛이

10

개여서 결정 경계가 조금 더 날카로워졌습니다. 기본 비선형 함수는 [그림

2

-

46

]에 나와 있는 렐루입니다. 은닉층이 하나이므로 결정 경계를 만드는 함수는 직선

10

개가 합쳐져서 구성됩니다. 더 매끄러운 결정 경계를 원한다면 은닉 유닛을 추가하거나(그

림 ...