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!

新規登録して質問してみよう
ただいま回答率
85.50%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

Keras-RL

Keras-RLは、Kerasを用いてDQNなどの深層強化学習アルゴリズムを実装したライブラリです。学習する強化学習の環境をOpenAI Gymのインターフェースに準じて作成することが必要です。

Python 2.7

Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

1回答

449閲覧

Kerasでニューラルネットの各種パラメータに関する質問

yamato_user

総合スコア2321

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

Keras-RL

Keras-RLは、Kerasを用いてDQNなどの深層強化学習アルゴリズムを実装したライブラリです。学習する強化学習の環境をOpenAI Gymのインターフェースに準じて作成することが必要です。

Python 2.7

Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2019/05/02 13:38

編集2019/05/02 13:59

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

Python

1from keras import metrics 2 3model.compile(loss='mean_squared_error', 4 optimizer='sgd', 5 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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

amahara_waya

2019/05/15 08:25

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。
guest

回答1

0

ベストアンサー

・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2019/05/02 15:33

hayataka2049

総合スコア30933

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

yamato_user

2019/05/03 04:30

> 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?
hayataka2049

2019/05/03 15:27

>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。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.50%

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る

質問する

関連した質問