質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.10%

Kerasでニューラルネットの各種パラメータに関する質問

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 260

proglabo

score 2059

Kerasでニューラルネットを組んでいますが、わからないことが多々あります。下記に列挙しますので、回答可能な項目だけでも回答のほどよろしくお願いいたします。

・validation_dataで作成されたモデルの性能を検証するらしいですが、通常の機械学習では、訓練dねーたとテストデータに分けますよね?Kerasでは、このvalidation_dataとテストデータが違う扱いであるらしいのですが、これら2つのデータの違いは何ですか?

損失関数一覧のページ内にある損失関数のうち、分類問題に使える損失関数はcategoricalという文字列が入っているものだけですか?

評価関数一覧のページ内にある評価関数の使い方で、下記のように複数指定して使うことがあるようですが、どういうことでしょうか?評価関数を2つ用いてモデルを評価するっていうのがいまいち理解できません

from keras import metrics

model.compile(loss='mean_squared_error',
              optimizer='sgd',
              metrics=[metrics.mae, metrics.categorical_accuracy])


・数学的な質問になってしまいますが、活性化関数一覧のページ内にある活性化関数について、分類問題の中間層・分類問題の出力層・回帰問題の中間層・回帰問題の出力層でそれぞれ一般的な関数は何でしょうか?

初期値に関してのページでkernel_initializerとbias_initializerの違いは単純に「各入力に対する重み」と「バイアス項に関する重み」という違いでしょうか

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • amahara_waya

    2019/05/15 17:25

    すでに各項目に対して詳しい回答がされているかと思いますが、別の回答を求める理由は何でしょうか。
    すでにある回答を踏まえてわからない点・説明が必要な点を、追記してください。

    キャンセル

回答 1

checkベストアンサー

0

・validation_dataで作成されたモデルの性能を検証するらしいですが、通常の機械学習では、訓練dねーたとテストデータに分けますよね?Kerasでは、このvalidation_dataとテストデータが違う扱いであるらしいのですが、これら2つのデータの違いは何ですか?

これにはパラメタチューニングが絡みます。kerasや深層学習に限らず一般的な機械学習のパラメタチューニング&評価方法で、訓練・テストに二分割してテストデータを用いてパラメタチューニングを行うと、「テストデータに偏って良い結果を出してしまうパラメタ」が導かれてしまう恐れがあります。より客観的かつ実際のタスクに近い状況で評価するために、訓練(学習に用いる)・検証(パラメタチューニングのために用いる)・テスト(評価のためだけに用いる)の3つに分けることがあります。学習データの交差検証でパラメタチューニングを行うのもこれの亜種です。

・損失関数一覧のページ内にある損失関数のうち、分類問題に使える損失関数はcategoricalという文字列が入っているものだけですか?

そんなことはないです。one-hot vectorを予測する回帰として実装しても解けます。binary_crossentropyは二値分類にそのまま使えます。

・評価関数一覧のページ内にある評価関数の使い方で、下記のように複数指定して使うことがあるようですが、どういうことでしょうか?評価関数を2つ用いてモデルを評価するっていうのがいまいち理解できません

それぞれで評価してそれぞれの指標が出るだけです。

・数学的な質問になってしまいますが、活性化関数一覧のページ内にある活性化関数について、分類問題の中間層・分類問題の出力層・回帰問題の中間層・回帰問題の出力層でそれぞれ一般的な関数は何でしょうか?

中間層は分類・回帰に関わりなくsigmoid系か(浅めの多層パーセプトロン)ReLU(深層学習)、出力層は分類の場合はsoftmax, 回帰の場合は恒等関数を使うと思います。

・初期値に関してのページでkernel_initializerとbias_initializerの違いは単純に「各入力に対する重み」と「バイアス項に関する重み」という違いでしょうか

そのはずです。

kernel_initializer: kernel重み行列の初期化(initializationsを参照)
bias_initializer: バイアスベクトルの初期化(initializationsを参照)
https://keras.io/ja/layers/core/

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/05/03 13:30

    > 訓練(学習に用いる)・検証(パラメタチューニングのために用いる)・テスト(評価のためだけに用いる)

    自分のイメージでは「訓練データで学習・テストデータで評価」という認識だったのですが、検証データでパラメタチューニングというのは具体的にことでしょうか?Kerasのvalidation_dataにデータを与えるとハイパーパラメータをいい感じに選んでくれるということでしょうか?

    キャンセル

  • 2019/05/04 00:27

    >Kerasのvalidation_dataにデータを与えるとハイパーパラメータをいい感じに選んでくれるということでしょうか?
    そういうことはありませんが、人の目で見て判断してチューニングすることはできます。ちなみに、回答の記述は別途テストデータを用意して使う前提のもとで正しいもので、validation_dataを予測して算出した指標で評価とすることも当然可能です。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.10%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる