1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonで学ぶDeep Learning入門
Connected

演習

モデルの指定

ここでは Keras で最初のモデルを扱います。第1・2章よりも大きなデータセットに対して、より複雑なニューラルネットワークをすぐに実行できるようになります。

まずは、ニューラルネットワークの骨組みに隠れ層と出力層を追加します。その後、モデルを学習させ、Keras が最適化を行ってモデルが継続的に良くなっていく様子を確認します。

最初の題材として、産業、学歴、経験年数といった特徴から労働者の賃金を予測します。データセットは pandas の DataFrame df に入っています。利便性のため、目的変数以外の df の内容は NumPy 配列 predictors に変換済みです。目的変数 wage_per_hour は NumPy 配列 target として利用できます。

この章のすべての演習では、Sequential モデルコンストラクタ、Dense レイヤーコンストラクタ、そして pandas をインポート済みです。

指示

100 XP
  • predictors データの列数を n_cols に保存します。これはすでに行われています。
  • model という名前の Sequential モデルを作成して始めます。
  • model の .add() メソッドで Dense レイヤーを追加します。
    • ユニット数は 50、activation='relu' を指定し、input_shape パラメータにはタプル (n_cols,) を設定します。これは各行に n_cols 個の特徴があり、行数は任意で入力として受け付けることを意味します。
  • さらに Dense レイヤーを追加します。こちらはユニット数を 32、活性化関数を 'relu' にします。
  • 最後に出力層として、ノードが1つの Dense レイヤーを追加します。ここでは活性化関数は指定しません。