데이터 범위 질문

안녕하세요. 답변도우미입니다.

말씀하신 부분을 한참 봤는데요. 일반적인 가이드가 있을 수 있고, 말씀하신 코드에 대한 의문이 조금 있기도 해요. 우선 다음과 같이 x, y 를 만들어서, 제공해드린 05_GRADIENT_DESCENT_AUTOGRAD 기반 코드로 optimizer 등을 설정하여 돌리면, loss 가 1 이하로 나오거든요. 그런데, 말씀하신 대로 하신 이유가 정확히 이해는 가지 않더라고요. 다음과 같이 진행을 해보시는 건 어떠실까요? 그리고 이 때의 x, y 는 다음과 같은 형태로 구성이 됩니다. 그래야 적절히 기존 코드상으로 결과가 정상 계산이 되거든요. 이부분을 작성하신 코드로 인한 x, y 의 shape 과 비교해보시면서 테스트를 해보시면 바로 확인이 가능할 것 같아요.

shape of x is : torch.Size([442, 9]) shape of y is : torch.Size([442, 1])

x = torch.from_numpy(np.array(diabetes_data.data[:, :-1], dtype=np.float32))

y = torch.from_numpy(np.array(diabetes_data.data[:, [-1]], dtype=np.float32))

#shape

print('shape of x is : ',x.shape)

print('shape of y is : ',y.shape)

추가로 일반적인 가이드로는 당뇨병 환자 데이터셋에서 target(타겟)은 종속 변수로, 이 예제에서는 당뇨병 진행 정도를 나타냅니다. 데이터프레임 내에 target이 함께 포함되어 있는지 확인하기 위해 데이터셋 구조와 데이터프레임의 처음 몇 행을 출력해보세요. 예를 들면 다음과 같이 출력할 수 있습니다.

print(dataset.data.shape)

print(dataset.target.shape)

print(dataset.feature_names)

print(df.head())

타겟의 크기가 (422,)로 나온 것은, 이 데이터셋에서 샘플이 총 422개 있으며 각 샘플에 대한 단일 값이 있음을 나타냅니다. 이 경우 unsqueeze를 사용하여 차원을 추가할 수 있습니다. unsqueeze를 사용하여 새로운 차원을 추가하려면 다음과 같이 코드를 작성하세요.

import torch

target_tensor = torch.tensor(dataset.target)

target_tensor = target_tensor.unsqueeze(1) # 1차원 벡터를 2차원으로 변경 (422,) -> (422, 1)

다만, loss 값이 3000이 넘는 것은 학습이 제대로 이루어지지 않고 있다는 것을 나타냅니다. optimizer를 변경하거나 learning rate를 조절하는 것도 도움이 될 수 있지만, 문제의 원인이 데이터 전처리나 모델 구조에 있을 수도 있습니다. 확실하지는 않지만, 왠지 데이터 전처리와 모델 구조가 맞지 않아서 그런 결과가 나올 것 같아요. 또 입력 차원과 출력 차원이 올바른지, 활성화 함수와 손실 함수가 적절한지 등을 확인해 보시기 바랍니다.

또한, 데이터셋을 표준화하거나 정규화하여 값의 범위를 조정하면 학습 성능이 향상될 수 있습니다. 이를 위해 StandardScaler 또는 MinMaxScaler와 같은 사이킷런의 전처리 도구를 사용할 수 있습니다.

감사합니다.