回答編集履歴
3
日本語の改善
answer
CHANGED
|
@@ -1,15 +1,17 @@
|
|
|
1
1
|
lossは普通は損失と訳します。誤差はerrorですね。
|
|
2
2
|
|
|
3
|
-
「損失関数」とか聞き覚えありませんか？
|
|
3
|
+
「損失関数」とか、聞き覚えありませんか？
|
|
4
4
|
|
|
5
|
-
ニューラルネット
|
|
5
|
+
ニューラルネットのような勾配法を使う機械学習手法では、その損失を最小化するという問題を解いて学習を行っています。
|
|
6
6
|
|
|
7
|
-
仕組みの理解は大事なのでわからなければ勉強してください
|
|
7
|
+
仕組みの理解は大事なので、わからなければ勉強してください。
|
|
8
8
|
|
|
9
|
-
|
|
9
|
+
損失の数値自体は小さければ小さいほど良いです。ただし、値のスケールは場合（データやネットワークの構造）によります。
|
|
10
10
|
|
|
11
|
-
|
|
11
|
+
また、epochが進むにつれて損失が低下していく傾向なら、学習がうまくいっているといえます。というか、基本的にはそれだけ見て判断します。
|
|
12
12
|
|
|
13
|
+
やたらに数字が大きいとか、明らかに変なところにべたーっと張り付いて動かないとか、epochが増えるに従って増加していくとかだと、何か都合の悪いことが起きているんじゃないかなぁ、ということが損失の数値からわかります。
|
|
14
|
+
|
|
13
15
|
---
|
|
14
16
|
|
|
15
17
|
|
|
@@ -24,12 +26,13 @@
|
|
|
24
26
|
|
|
25
27
|
バリデーションは、バリデーション用に選んだデータに対して指標などを計算することです。
|
|
26
28
|
|
|
27
|
-
|
|
29
|
+
バリデーション用のデータは、kerasだとモデルをfitさせる際に指定していると思います。渡したデータから一定割合自動的に選ばれるとか、明示的にデータそのものを渡すとかのオプションがあったはずです。
|
|
28
30
|
|
|
29
|
-
|
|
31
|
+
1こということはないはずですが。ある程度バリデーション用データの数がないと、正確な判断ができません。
|
|
30
32
|
|
|
31
|
-
|
|
33
|
+
val_loss, val_accはバリデーションデータに対する損失と正解率、ということです。当然train_lossとtrain_accもあります。
|
|
32
34
|
|
|
35
|
+
これらの役割というか用途としましては、ちゃんと学習が進んでいるか、過学習していないかといったことを確認したりするのに使えます。
|
|
33
36
|
|
|
34
37
|
---
|
|
35
38
|
|
2
修正
answer
CHANGED
|
@@ -22,8 +22,10 @@
|
|
|
22
22
|
|
|
23
23
|
---
|
|
24
24
|
|
|
25
|
-
バリデーションは、
|
|
25
|
+
バリデーションは、バリデーション用に選んだデータに対して指標などを計算することです。
|
|
26
26
|
|
|
27
|
+
fitの際に、渡したデータから一定割合自動的に選ばれるとか、明示的に指定するとかしているはずです。1こということはないはずですが。
|
|
28
|
+
|
|
27
29
|
val_loss, val_accはバリデーションデータに対する損失と正解率、ということです。train_lossとtrain_accもあります。
|
|
28
30
|
|
|
29
31
|
役割というか用途としましては、ちゃんと学習が進んでいるか、過学習していないかといったことを確認したりするのに使えます。
|
1
修正
answer
CHANGED
|
@@ -26,7 +26,7 @@
|
|
|
26
26
|
|
|
27
27
|
val_loss, val_accはバリデーションデータに対する損失と正解率、ということです。train_lossとtrain_accもあります。
|
|
28
28
|
|
|
29
|
-
役割は、ちゃんと学習が進んでいるか、過学習していないかといったことを確認したりするのに使えます。
|
|
29
|
+
役割というか用途としましては、ちゃんと学習が進んでいるか、過学習していないかといったことを確認したりするのに使えます。
|
|
30
30
|
|
|
31
31
|
|
|
32
32
|
---
|