ニューラルネットワークモデル構築の流れと参照ページ

このページではニューラルネットワークモデル構築の一例を示すと共にその参照ページへのリンクを記載します.

1.データの前処理

多くの場合,データはそのまま機械学習や深層学習に適用できる形ではないことが多いです.
そこでデータを学習に利用できる形に変換する必要があります.

2.データの特徴を確認(option)

データの特徴を見るために可視化などをすることでデータ処理の見通しが立ちやすくなることもあります.

3.モデルの定義

ニューラルネットワークのモデルを定義するときにいくつか考えることがあると考えます.例えば過学習のことや,データの種類やその他色々なことがあります.
更にはsequentialモデルがいいのか,functionalモデルがいいのかなどといったこともあります.
時にはsequentialモデルの方が簡単に書けたり,functionalモデルでないと書けないようなモデルも存在します.(functionalモデルの方が柔軟な記述が可能です.)

4.学習

いくつのか学習アルゴリズムや各種パラメータのためのチューニング方法が存在します.
もし最適なハイパーパラメータ,例えばユニット数や学習率などを自動的に決めたいと考えているならば,ハイパーパラメータ探索は非常に有用な手段になります.
更にdropoutやその他の確率的手法を学習に取り入れている場合には予測時にdropoutさせないモードに変更することが必要です.

5.評価

構築したモデルで学習をした結果を評価します.分類問題では適合率や再現率を見ることが多いです.
回帰問題ではR2スコアやRoot Mean Squared Errorを確認することが多いです.

ここにおける説明はReNomの機能の一部になりますので,より多くの機能について知りたい場合は他のページも参考にしてみてください.