プログラムを深層学習にしたい

Question

###やりたいこと・状況
下記のプログラムを深層学習を利用したものにしたいです。
学習し始めたばかりなのでどうすれば深層学習になるのかいまいちわかっていません。
できれば、参考書「ゼロから作るDeepLearning」に沿ったものにしたいです。
もちろん普通のアドバイスも大歓迎です。具体的なプログラムまで教えてもらえるととても助かります。

現在のソースコード

from __future__ import print_function

import pandas as pd
from pandas import Series,DataFrame

from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

import numpy as np
import matplotlib.pyplot as plt

import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras.optimizers import Adam
from keras.optimizers import SGD
    
csvdataset = pd.read_csv("Train_Random.csv",header=0)

#説明変数
x = DataFrame(csvdataset.drop("Result",axis=1))

#目的変数
y = DataFrame(csvdataset["Result"])


#説明変数・目的変数をそれぞれ訓練データ・テストデータに分割
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.20)



#データの整形
x_train = x_train.astype(np.float)
x_test = x_test.astype(np.float)

y_train = keras.utils.to_categorical(y_train,10)
y_test = keras.utils.to_categorical(y_test,10)


#ニューラルネットワークの実装①
model = Sequential()

model.add(Dense(60, activation='relu', input_shape=(59,)))
model.add(Dropout(0.2))

model.add(Dense(60, activation='relu', input_shape=(59,)))
model.add(Dropout(0.2))

model.add(Dense(60, activation='relu', input_shape=(59,)))
model.add(Dropout(0.2))

model.add(Dense(10, activation='softmax'))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)

#ニューラルネットワークの実装②
model.compile(loss='categorical_crossentropy',optimizer=sgd,metrics=['accuracy'])

#ニューラルネットワークの学習
history = model.fit(x_train, y_train,batch_size=1000,epochs=10,verbose=1,validation_data=(x_test, y_test))

#ニューラルネットワークの推論
score = model.evaluate(x_test,y_test,verbose=1)
print("\n")
print("Test 損失値:",score[0])
print("Test 正解率:",score[1])

Answer 1

まず、何をもって深層学習とするのかの明瞭な定義はありません。

また、深層学習と一般に言われるようなモデルは、画像やテキストなどの構造化されていない（何らかの構造はあると考えられるが、一般的な前処理でうまく構造を定量化することは難しい）特定のデータに対して成果を挙げたというものです（例：画像ならCNN, テキストならLSTMなど）。裏を返せばデータの特性に合わせてネットワークの構造を工夫するのが当たり前という世界であり、どんなデータなのかわからない状況では「深層学習を使いたい」という要件は成立しません。
（コードから推察する限りは普通のベクトルデータですが、このようなデータならそもそも深層学習を使わなくてもSVMなどの既存手法で限界まで性能が出るという事実もあります。ニューラルネットを使うメリットはほとんどありません）

Comments

[svsvi]

詳しくありがとうございます。いまは成果をだすことを目的にしているわけではないのでメリットについては問題ありません。ちなみに使っているデータはexcelの1列目だけ1または0で、2列目から60列目までは0以上のランダムな数値の60000行のCSVファイルです。

[hayataka2049]

単に「中間層がやたらたくさんあって、reluやdropoutなど深層学習で使われている技術を盛り込んだ多層パーセプトロン」を深層学習と称していいのであれば、質問文のそれも深層学習です。（私はそれを深層学習だとは思いませんが）
質問者さんも深層学習だとは思わないのなら、この延長線上で深層学習と呼ぶすべはないのでは。

[svsvi]

わかりました。ありがとうございました。