質問編集履歴

2

画像の追加を行った。

2019/11/28 17:02

投稿

hidekun-
hidekun-

スコア4

test CHANGED
File without changes
test CHANGED
@@ -174,19 +174,7 @@
174
174
 
175
175
  y = identity(u3)
176
176
 
177
- # 逆伝播 (勾配の計算を求め、重みの更新を行う部分 )
177
+
178
-
179
- dy = identity_mean_squared_error_back(y, u)
180
-
181
- dz2, dw3, db3 = affine_back(dy, z2, w3, b3)
182
-
183
- du2 = sigmoid_back(u2)
184
-
185
- dz1, dw2, db2 = affine_back(du2, z1, w2, b2)
186
-
187
- du1 = sigmoid_back(u1)
188
-
189
- dx, dw1, db1 = affine_back(du1, x, w1, b1)
190
178
 
191
179
  # 重み、バイアスの更新
192
180
 
@@ -468,6 +456,14 @@
468
456
 
469
457
 
470
458
 
459
+ ![![イメージ説明](188bf3909c6d8cd16c44c6f5aa96ada6.png)](6b17b63f56bec213bc9f3257c52bc338.png)
460
+
461
+
462
+
463
+
464
+
465
+
466
+
471
467
 
472
468
 
473
469
  ### 補足情報(FW/ツールのバージョンなど)

1

プログラムの内容をご教示していただいた通りに編集してみた。Jupiter notebookでプログラムを動かしているため、細かいprint()の出力は残しておきたいと思い、現状のままにした。

2019/11/28 17:02

投稿

hidekun-
hidekun-

スコア4

test CHANGED
File without changes
test CHANGED
@@ -252,7 +252,9 @@
252
252
 
253
253
  # 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
254
254
 
255
- x_train, x_test, t_train, t_test = train_test_split(df_x, u, test_size=0.3)
255
+ pred_train = model.predict(x_train)
256
+
257
+ pred_test = model.predict(x_test)
256
258
 
257
259
 
258
260
 
@@ -398,7 +400,9 @@
398
400
 
399
401
  # 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
400
402
 
401
- x_train, x_test, t_train, t_test = train_test_split(df_x, u, test_size=0.3)
403
+ pred_train = model.predict(x_train)
404
+
405
+ pred_test = model.predict(x_test)
402
406
 
403
407
 
404
408
 
@@ -424,7 +428,7 @@
424
428
 
425
429
  model.add(Dropout(0.2))
426
430
 
427
- model.add(Dense(1, activation='relu'))
431
+ model.add(Dense(1))
428
432
 
429
433
  model.compile(optimizer='adam', loss='mse', metrics=['accuracy'])
430
434
 
@@ -452,7 +456,15 @@
452
456
 
453
457
  ```
454
458
 
459
+
460
+
455
- ### 試したこと
461
+ ###説明変数5種類で実装
462
+
463
+ 説明変数を5種類に一つ減らして試みたところ、正しく予測値が出力され、
464
+
465
+ 使用したデータの実測値と予測値の比較グラフの表示までできました。
466
+
467
+ 説明変数が一つ変わるだけで予測値の出力が正しく行われないことが解決できないことです。
456
468
 
457
469
 
458
470