Page 173 - 고등학교 인공지능 기초
P. 173

실습 하기



                            학습한 분류 모델에 테스트 데이터의 ‘당도’와 ‘아삭함’의 속성값을 입력해                 이름       당도     아삭함      종류
                            결과를 확인해 보자. 그리고 완성한 분류 모델로 “토마토는 과일, 단백질,                 참외       8        7      과일
                            채소 중 어디에 속할까?”라는 문제를 해결해 보자. (토마토의 핵심 속성값                 소세지      2        4     단백질
                            은 ‘당도’ 6, ‘아삭함’ 4이다.)                                     수박       9        7      과일
                                                                                      양파       5        8      채소
                                                                                      배추       2        5      채소
                                                                                      멜론       9        2      과일
                                                                                      양배추      4        7      채소
                                                                                       감       7        8      과일
                                                                                     닭가슴살      5        5     단백질
                                                                                     삶은 계란     3        3     단백질

                                   엔트리를 사용할 때


                               ①  준비한 테스트 데이터의 속성값을 차례로
                                 입력하고 분류 결과를 기록한다.
                               ②  테스트 데이터에서 ‘배추’의 ‘당도’와 ‘아
                                 삭함’에 대한 속성값을 입력하고 [입력하
                                 기]를 클릭한다. 레이블은 ‘채소’이지만
                                 분류 모델이 ‘단백질’로 잘못 분류한 것을
                                 확인할 수 있다.
                               ③  분류 결과를 통해 모델의 정확도를 파악
                                 해 본다.





                               ④  오른쪽과 같이 블록으로 코딩하고 '토
                                 마토'의 속성값을 넣고 무엇으로 분류
                                 하는지 확인해 보자. 그리고, 신뢰도
                                 도 확인해 보자.





















                                                                                                                   171
                                                                                                   4. 기계학습 모델 구현
   168   169   170   171   172   173   174   175   176   177   178