前回「キカガク(KIKAGAKU)で逆伝播を学ぶ」のつづき。
今回は「ニューラルネットワークの実装(分類)
- KIKAGAKU」を学ぶ。
実習環境
演習では、敢えて Google Colaboratory 使わずに、PyCharm の環境で Tensorflow や scikit-learn をインストールして演習を行った。
Tensorflow は「pip
での TensorFlow のインストール」 を参照してインストールした。
学習内容
Tensorflow の基礎
データセットの準備
- 入力変数と目的変数に切り分け
- Keras で計算できるデータの形式に変換
- 目標値を 0 からに変換
- 学習用データとテスト用データに分割
モデルの定義
- モデルの層の定義
- モデルの学習プロセスを定義
最適化手法の指定
目的関数の指定
評価指標の指定
モデルの学習
- 学習済みモデルの精度の確認
- モデル精度の向上
- 学習済みモデルの保存と推論
学習済みモデルの保存
- 学習済みモデルのロード
- 予測値の計算