全結合（Dense）層

Introduction to TensorFlow in Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

線形回帰モデル

この図は、2つの特徴量（婚姻状況と年齢）を持つ回帰モデルを示します。目的変数はクレジットカード借り手の延滞有無です。

この図は、2つの特徴量（婚姻状況と年齢）を入力とするニューラルネットワークを示します。目的はクレジットカード借り手の延滞有無です。

この画像は、10個の入力特徴量、3つの全結合の中間層、1つの出力層を持つより複雑なニューラルネットワークを示します。

import tensorflow as tf

# 入力（特徴量）を定義
inputs = tf.constant([[1, 35]])

# 重みを定義
weights = tf.Variable([[-0.05], [-0.01]])

# バイアスを定義
bias = tf.Variable([0.5])

# 入力（特徴量）に重みを掛ける
product = tf.matmul(inputs, weights)

# 全結合層を定義
dense = tf.keras.activations.sigmoid(product+bias)

この図は、2つの入力ノードから1つの出力を生成する全結合層を示します。

import tensorflow as tf

# 入力（特徴量）層を定義
inputs = tf.constant(data, tf.float32)

# 第1全結合層を定義
dense1 = tf.keras.layers.Dense(10, activation='sigmoid')(inputs)

# 第2全結合層を定義
dense2 = tf.keras.layers.Dense(5, activation='sigmoid')(dense1)

# 出力（予測）層を定義
outputs =  tf.keras.layers.Dense(1, activation='sigmoid')(dense2)

この図は、2つの入力ノードから1つの出力を生成する全結合層を示します。

dense = keras.layers.Dense(10,\
 activation='sigmoid')

prod = matmul(inputs, weights)
dense = keras.activations.sigmoid(prod)

Introduction to TensorFlow in Python