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

Photo by Alex Knight on Unsplash

前回「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」のつづき。
今回は「ニューラルネットワークの実装（回帰） - KIKAGAKU」を学ぶ。

学習内容

データセットの準備

モデルの定義と学習

1. 平均二乗誤差 （ Mean Squeard Error：MSE ）
2. 平均絶対誤差（ Mean Absolute Error：MAE ）

新たにインストールしたもの

今回も PyCharm を使って演習を行った。
そのため、tf.keras.utils.plot_model(model) でモデル構造の可視化する際、pydot と pydotplus、pydot_ng、graphviz のインストールが必要となった。（ソースコード 56 行目参照）

Graphviz の実行モジュールは下記 URL からダウンロード
https://graphviz.gitlab.io/_pages/Download/Download_windows.html

Graphviz をインストールした後、環境変数に Graphviz の実行モジュールがインストールされているフォルダパス（例　 C:\Program Files (x86)\Graphviz2.38\bin ）をセットしておく必要がある。

tf.keras.utils.plot_model(model) を実行すると、model.png が作成される。

出力結果

model.png

目的関数の可視化

評価指標の可視化

練習問題は後でじっくりと。

ソースコード

Google Colaboratory を使用していないため、print や plt.show() を追記して実行結果を表示している。