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
87.20%
Chainer

Chainerは、国産の深層学習フレームワークです。あらゆるニューラルネットワークをPythonで柔軟に書くことができ、学習させることが可能。GPUをサポートしており、複数のGPUを用いた学習も直感的に記述できます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

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。

解決済

二値分類における出力層のユニット数について

KazuyaKojima
KazuyaKojima

総合スコア16

Chainer

Chainerは、国産の深層学習フレームワークです。あらゆるニューラルネットワークをPythonで柔軟に書くことができ、学習させることが可能。GPUをサポートしており、複数のGPUを用いた学習も直感的に記述できます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

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。

1回答

0評価

0クリップ

173閲覧

投稿2019/11/12 06:24

現在、chainerを用いて20日分の株価の終値から次の日の株価の騰落(上がるなら1、下がるなら0)を学習、予想する二値分類のモデルを組んでいるのですが、
私の理解ですと二値分類は出力層が一つだと思うのですが一つにするとうまくいかず、二つに設定するとうまくプログラムが走ってくれます。

これは私の理解が間違っているのか、理解は正しいがプログラムは正しく動いていないのかが知りたいです。

出力層を一つに設定した時のエラー文は
IndexError: index 1 is out of bounds for axis 0 with size 1
で、サイズが一つなのにインデックス1を参照しようとしてエラーを吐いているようです。

python

import matplotlib.pyplot as plt import load_data import numpy as np from sklearn.preprocessing import MinMaxScaler import chainer import chainer.links as L import chainer.functions as F from chainer import Chain, Variable, datasets, optimizers from chainer import report, training from chainer.training import extensions from chainer import iterators import chainer.cuda #扱うデータの選択 #x_train,x_test,y_train,y_test = load_data.fluctuations_test() x_train,x_test,y_train,y_test = load_data.stock_test() scaler = MinMaxScaler(feature_range=(0, 1)) x_train, x_test = scaler.fit_transform(x_train), scaler.fit_transform(x_test) train = list(zip(x_train, y_train)) test = list(zip(x_test, y_test)) class MLP(chainer.Chain): def __init__(self, n_mid_units=100, n_out=1): #n_out...出力層の数 super().__init__() with self.init_scope(): self.fc1 = L.Linear(None, n_mid_units) self.fc2 = L.Linear(n_mid_units, n_mid_units) self.fc3 = L.Linear(n_mid_units, n_out) def __call__(self, x, t=None): h = F.dropout(F.relu(self.fc1(x)), ratio=0.5) h = F.dropout(F.relu(self.fc2(h)), ratio=0.5) h = F.dropout(F.sigmoid(self.fc3(h)), ratio=0.5) print(h) return h batchsize = 20 train_iter = iterators.SerialIterator(train, batchsize) test_iter = iterators.SerialIterator(test, batchsize, shuffle=False, repeat=False) model = MLP() net = L.Classifier(model) optimizer = optimizers.Adam().setup(net) updater = training.StandardUpdater(train_iter, optimizer, device=-1) # device=-1でCPUでの計算実行を指定 epoch = 1000 trainer = training.Trainer(updater, (epoch, 'epoch'), out='result') # テストデータで評価 trainer.extend(extensions.Evaluator(test_iter, net, device = -1)) # 学習を記録 trainer.extend(extensions.LogReport(trigger=(1, 'epoch'))) # グラフに描画、保存 trainer.extend(extensions.PlotReport(['main/loss', 'validation/main/loss'], x_key='epoch', file_name='normal_nn_loss.png')) trainer.extend(extensions.PlotReport(['main/accuracy', 'validation/main/accuracy'], x_key='epoch', file_name='normal_nn_accuracy.png')) trainer.extend(extensions.PrintReport(['epoch', 'main/loss', 'main/accuracy','validation/main/loss', 'validation/main/accuracy', 'elapsed_time']), trigger=(1, 'epoch')) trainer.run()

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。

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。

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
  • 過去に投稿した質問と同じ内容の質問
  • 広告と受け取られるような投稿

評価を下げると、トップページの「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。

まだ回答がついていません

会員登録して回答してみよう

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
87.20%

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

同じタグがついた質問を見る

Chainer

Chainerは、国産の深層学習フレームワークです。あらゆるニューラルネットワークをPythonで柔軟に書くことができ、学習させることが可能。GPUをサポートしており、複数のGPUを用いた学習も直感的に記述できます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

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。