記事の監修者
今回は機械学習のフレームワークであるkerasを使ったニューラルネットワークの実装をご紹介したいと思います。
目次
kerasとは
kerasとはPythonで書かれたTensorFlowなどの上部で動作することができるニューラルネットワークライブラリの1つです。
ディープラーニングのベースとなっている数学的理論の部分をゼロから開発せずとも、比較的短いソースコードで実装することが可能となります。
今回はscikit-learnのアヤメのサンプルデータを使用します。
アイリスデータは説明がdataに目的変数となるデータがtargetに含まれているため、まずはxとyにそれぞれデータを分けて格納します。
xyに分割した後にはそれぞれのデータの前処理を行います。
xに関してはデータのスケールが異なるため正規化を行います。 またyに関してはOne-hot ベクトルの処理でそれぞれ前処理を行いましょう。
次に学習用のデータとテスト用のデータに分割します。
学習データとテストデータに分けた後はモデルの作成を行います。
kerasで作成するモデルはadd関数を用いてモデル自体の設定を行うことが可能になります。
今回は以下のように設定を行いましょう。
上記でモデルのフィットを行ったため、実際にモデルの出力結果が出力されています。
それでは、上記で出力された結果を評価してみましょう。
出力結果としては89%一致という評価になりますので、モデルとしてはまずまずといったところでしょうか。
kerasは機械学習フレームワークの中でも最も敷居が低いものになります。
tensorflowやpytorchを触る前に、まずはkerasから取り組むことをおすすめします。
