TensorFlow-Kerasを用いたニューラルネットワークによるmake_moonデータの学習(2)
TensorFlow-Kerasを用いたニューラルネットワークによるmake_moonデータの学習(2)
概要
TensorFlow-Kerasを用いて、make_moonデータ(scikit-learn)をニューラルネットワークで学習させる。 その際、ニューラルネットワークのパラメーターを変更したときに、結果がどのように変わるかをみてみる。
環境
Python 3.6.3
TensorFlow 1.12.0
Keras 2.2.4
scikit-learn 0.20.2
※ニューラルネットワークは、前回をベースとして使用する。
[パラメーター]
- 入力層 : 2次元
- 隠れ層 : 5次元(1層)、活性化関数tanh()
- 出力層 : 2次元
- エポック数 : 1000
隠れ層の変更
[パラメーター(変更箇所は太字)]
- 入力層 : 2次元
- 隠れ層 : 10次元(1層)、活性化関数tanh()
- 出力層 : 2次元
- エポック数 : 1000
[パラメーター(変更箇所は太字)]
- 入力層 : 2次元
- 隠れ層 : 5次元(3層)、活性化関数tanh()
- 出力層 : 2次元
- エポック数 : 1000
[パラメーター(変更箇所は太字)]
- 入力層 : 2次元
- 隠れ層 : 5次元(1層)、活性化関数sigmoid()
- 出力層 : 2次元
- エポック数 : 1000
[パラメーター(変更箇所は太字)]
- 入力層 : 2次元
- 隠れ層 : 5次元(1層)、活性化関数ReLU()
- 出力層 : 2次元
- エポック数 : 1000
エポック数の変更
[パラメーター(変更箇所は太字)]
- 入力層 : 2次元
- 隠れ層 : 5次元(1層)、活性化関数tanh()
- 出力層 : 2次元
- エポック数 : 100
[パラメーター(変更箇所は太字)]
- 入力層 : 2次元
- 隠れ層 : 5次元(1層)、活性化関数tanh()
- 出力層 : 2次元
- エポック数 : 10000