Chapter 3: DeepChem과 머신러닝

이 장에서는 생명과학 데이터 분석의 든든한 도구인 DeepChem을 활용해 머신러닝의 기초를 다져봅니다.

MNIST 필기체 숫자 인식

가장 먼저 다룰 예제는 머신러닝의 ’Hello World’와 같은 MNIST 데이터셋입니다. Keras와 DeepChem을 함께 사용해 필기체 숫자를 분류하는 합성곱 신경망(CNN)을 직접 설계하고 훈련해 보겠습니다.

import deepchem as dc
import tensorflow as tf
import tensorflow.keras.layers as layers

# 데이터셋을 불러온 뒤, 라벨을 원-핫(one-hot) 벡터 형식으로 변환합니다.
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
y_train = tf.one_hot(y_train, 10).numpy()
y_test = tf.one_hot(y_test, 10).numpy()
train_dataset = dc.data.NumpyDataset(x_train, y_train)
test_dataset = dc.data.NumpyDataset(x_test, y_test)

# 모델의 뼈대를 구축합니다.
features = tf.keras.Input(shape=(28, 28, 1))
conv2d_1 = layers.Conv2D(filters=32, kernel_size=5, activation=tf.nn.relu)(features)
conv2d_2 = layers.Conv2D(filters=64, kernel_size=5, activation=tf.nn.relu)(conv2d_1)
flatten = layers.Flatten()(conv2d_2)
dense1 = layers.Dense(units=1024, activation=tf.nn.relu)(flatten)
dense2 = layers.Dense(units=10, activation=None)(dense1)
output = layers.Activation(tf.math.softmax)(dense2)
keras_model = tf.keras.Model(inputs=features, outputs=[output, dense2])
model = dc.models.KerasModel(
    keras_model,
    loss=dc.models.losses.SoftmaxCrossEntropy(),
    output_types=["prediction", "loss"],
    model_dir="mnist",
)

# 모델 학습을 시작합니다.
model.fit(train_dataset, nb_epoch=10)

# 학습 과정이 끝나면, 훈련 데이터와 테스트 데이터 각각에서 모델의 정확도를 평가합니다.
metric = dc.metrics.Metric(dc.metrics.accuracy_score)
train_scores = model.evaluate(train_dataset, [metric])
test_scores = model.evaluate(test_dataset, [metric])
print(train_scores)
print(test_scores)

Tox21 데이터셋을 활용한 독성 예측

Tox21 데이터셋은 수천 가지 화합물의 독성 정보를 담고 있습니다. 이번에는 멀티태스크 분류기(Multitask Classifier)를 활용해 복잡한 분자 구조에서 독성 유무를 예측하는 실전 예제를 진행합니다.

import numpy as np
import deepchem as dc

# 데이터를 불러옵니다.
tox21_tasks, tox21_datasets, transformers = dc.molnet.load_tox21()
train_dataset, valid_dataset, test_dataset = tox21_datasets

# 모델을 생성하고 10 에포크 동안 학습시킵니다.
model = dc.models.MultitaskClassifier(n_tasks=12, n_features=1024, layer_sizes=[1000])
model.fit(train_dataset, nb_epoch=10)

# 모델의 성능을 평가하고 결과를 확인합니다.
metric = dc.metrics.Metric(dc.metrics.roc_auc_score, np.mean)
train_scores = model.evaluate(train_dataset, [metric], transformers)
test_scores = model.evaluate(test_dataset, [metric], transformers)
print(train_scores)
print(test_scores)