単一のデータポイントに対して予測を行うとします。目的変数の実際の値は 7 です。以下の図のとおり、node_0 から出力への重みは 2 です。これを少し増やして 2.01 に変更した場合、予測はより正確になるでしょうか、正確性が下がるでしょうか、それとも変わらないでしょうか。
node_0
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章では、Deep Learningで使われる基本概念と用語に慣れ、なぜ今Deep Learningが強力なのかを理解します。簡単なニューラルネットワークを構築し、予測を生成してみましょう。
ニューラルネットワークが出力する予測をどのように最適化するかを学びます。Deep Learningで最も重要な手法のひとつである逆伝播(バックプロパゲーション)を用います。その仕組みを理解することで、コース後半に向けた強固な土台が築けます。
現在の演習
この章では、Kerasライブラリを使って回帰と分類の両方に対応するDeep Learningモデルを構築します。予測に用いるSpecify-Compile-Fitのワークフローを学び、章の終わりには深いニューラルネットワークを構築するために必要な道具がすべてそろいます。
KerasでDeep Learningモデルを最適化する方法を学びます。まずモデルの検証方法を学び、次にモデルキャパシティの概念を理解し、最後に層を広く・深くして性能を比較する実験を行います。