キカガク（KIKAGAKU）で「ニューラルネットワークの実装（分類）」を学ぶ

Photo by Alex Knight on Unsplash

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

1. 入力変数と目的変数に切り分け
2. Keras で計算できるデータの形式に変換
3. 目標値を ０ からに変換
4. 学習用データとテスト用データに分割

モデルの定義

1. モデルの層の定義
2. 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

1. 学習済みモデルの精度の確認
2. モデル精度の向上
3. 学習済みモデルの保存と推論

学習済みモデルの保存

1. 学習済みモデルのロード
2. 予測値の計算

ソースコード

学習済みモデルの保存まで

保存した学習済みモデルのロードして推論