モデルのコンパイルと学習

Pythonで学ぶDeep Learning入門

Dan Becker

Data Scientist and contributor to Keras and TensorFlow libraries

モデルをコンパイルする理由

オプティマイザを指定
- 選択肢が多く数式的に複雑
- 通常は「Adam」が無難
損失関数
- 回帰では「mean_squared_error」が一般的

モデルのコンパイル

n_cols = predictors.shape[1]
model = Sequential()
model.add(Dense(100, activation='relu', input_shape=(n_cols,)))
model.add(Dense(100, activation='relu'))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error')

モデルの学習とは

データで誤差逆伝播と勾配降下を適用し、重みを更新
学習前にスケーリングすると最適化が容易

モデルの学習

n_cols = predictors.shape[1]
model = Sequential()
model.add(Dense(100, activation='relu', input_shape=(n_cols,)))
model.add(Dense(100, activation='relu'))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error')
model.fit(predictors, target)

演習に進みましょう！

Pythonで学ぶDeep Learning入門