回答編集履歴
4
追記
answer
CHANGED
|
@@ -85,6 +85,6 @@
|
|
|
85
85
|
|
|
86
86
|
質問のmnist_test mnist_train は同じデータを忍ばせてないから、mnist_testを識別可能な学習ができるわけがないですね。（上の回答では無視しましたが）
|
|
87
87
|
|
|
88
|
-
3クラス識別問題で学習データが1クラスあたり1個だと、極端な話、どこか2個の値を見て
|
|
88
|
+
3クラス識別問題で学習データが1クラスあたり1個だと、極端な話、どこか2個の値を見てどっちも1なら"0"、どっちも0なら"1"、こっちが0でこっちが1なら"2"、みたいに**たまたま選んだ学習データに依存している**識別可能な箇所が**あって当たり前**で、それを見つけるだけで終わってしまう。
|
|
89
|
-
ニューラルネットで学習させても**たまたま当てられるという程度の**パラメータが見つかったらもう学習が止まって
|
|
89
|
+
ニューラルネットで学習させても**たまたま当てられるという程度の**パラメータが見つかったらもう学習が止まって（なぜなら当てられる=誤差がなくなるのだから）未知のデータは全然当てられないものしかできない。
|
|
90
90
|
というだけの話。
|
3
追記
answer
CHANGED
|
@@ -83,4 +83,8 @@
|
|
|
83
83
|
|
|
84
84
|
----
|
|
85
85
|
|
|
86
|
-
質問のmnist_test mnist_train は同じデータを忍ばせてないから、mnist_testを識別可能な学習ができるわけがないですね。（上の回答では無視しましたが）
|
|
86
|
+
質問のmnist_test mnist_train は同じデータを忍ばせてないから、mnist_testを識別可能な学習ができるわけがないですね。（上の回答では無視しましたが）
|
|
87
|
+
|
|
88
|
+
3クラス識別問題で学習データが1クラスあたり1個だと、極端な話、どこか2個の値を見て、どっちも1なら"0"、どっちも0なら"1"、こっちが0でこっちが1なら"2"、みたいに識別可能な箇所があってそれだけで識別可能。
|
|
89
|
+
ニューラルネットで学習させても**たまたま当てられるという程度の**パラメータが見つかったらもう学習が止まってしまって（なぜなら当てられる=誤差がなくなるのだから）未知のデータは全然当てられないものしかできない。
|
|
90
|
+
というだけの話。
|
2
追記
answer
CHANGED
|
@@ -79,4 +79,8 @@
|
|
|
79
79
|
#epoch 9
|
|
80
80
|
[True, True, True, True, True, True, True, True, True, True]
|
|
81
81
|
performance: 1.0
|
|
82
|
-
```
|
|
82
|
+
```
|
|
83
|
+
|
|
84
|
+
----
|
|
85
|
+
|
|
86
|
+
質問のmnist_test mnist_train は同じデータを忍ばせてないから、mnist_testを識別可能な学習ができるわけがないですね。（上の回答では無視しましたが）
|
1
追記
answer
CHANGED
|
@@ -7,6 +7,21 @@
|
|
|
7
7
|
|
|
8
8
|
```python
|
|
9
9
|
(略)
|
|
10
|
+
# 直接10個分のデータをリストとして保持
|
|
11
|
+
training_data_list = test_data_list = [
|
|
12
|
+
[5,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
|
|
13
|
+
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
|
|
14
|
+
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
|
|
15
|
+
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,3,18,18,18,126,136,175,
|
|
16
|
+
26,166,255,247,127,0,0,0,0,0,0,0,0,0,0,0,0,30,36,94,154,170,253,(略)],
|
|
17
|
+
[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
|
|
18
|
+
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
|
|
19
|
+
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
|
|
20
|
+
0,0,0,0,0,51,159,253,159,50,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,48,238,252,
|
|
21
|
+
252,252,237,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,54,227,253,(略)],
|
|
22
|
+
(略)
|
|
23
|
+
]
|
|
24
|
+
(略)
|
|
10
25
|
# 学習
|
|
11
26
|
epoch = 10
|
|
12
27
|
for e in range(epoch):
|