手書き数字を学習する

ここでは scikit-learn に含まれるサンプルデータセットである digits データセットに対してモデルを構築します。digits データセットは、0〜9 の手書き数字（8×8 ピクセル）で構成されています。

画像から 10 個のいずれの数字かを判別したいので、ここでは多クラス分類を扱います。

データセットはすでに X_train, y_train, X_test, y_test に分割されており、30% がテストデータとして使われます。ラベルはすでにワンホットエンコード済みなので、Keras の to_categorical() 関数を使う必要はありません。

それでは、この新しい model を構築しましょう！

8×8 の数字画像の総画素数を入力とする input_shape を指定し、16 ユニットの Dense レイヤーを relu 活性化で追加します。
出力が 10 の Dense レイヤーを softmax 活性化で追加します。
最適化手法に adam、損失に categorical_crossentropy、評価指標に accuracy を指定してモデルをコンパイルします。
X_train に対して予測を行い、モデルが動作することを確認します。