ニューラルネットワークとディープラーニング-4
ニューラルネットワークとディープラーニング
amazon kindle版を出版しました。
隠れ層1の場合
隠れ層を1層としてノード数を1から10、学習係数を0.001から0.5まで変化させ、初期値を10回変更して計算した結果を図3.3に示す。データ数150のうち、120個を学習用データとし、30個を評価用のデータとした。ノード数が少ないときは、正解率が低いがノード数が4以上ではほとんどの場合正解率が98％となっており、この中では10個の場合が最も良い結果が得られ、評価用データに対して100％の正解率が得られている。（図の黄色の箇所）
図3.2.3 隠れ層を1層とした場合
図3.2.3では評価の用のデータに対しての正解率を示したが、評価用のデータが100％正解であった場合においても、学習用のデータが100％正解するわけではないので、図3.2.4では正解率を150全てのデータに対する正答率としている。この場合でも、同様にノード数が大きくなると正解率が高くなる傾向にある。
図3.2.4 隠れ層を1層とした場合（全てのデータ）
図3.2.5 (a)学習の経過（誤差）
図3.2.5 (b)学習の経過（正解率）
図3.2.5(a)、(b)に隠れ層のノード数8、学習係数0.1のときの学習の経過を示す。誤差は学習回数が1000回を超えると減ることはなくなってきている。学習係数が0.1と大きいので、ときおり、別の局所解におちいり誤差が大きくなっているところがあるが、全体の傾向としては誤差は小さくなっていく傾向にある。また、正解率も学習回数が100回程度で評価用データの正解率が100％となり、学習用のデータの正解率も、学習回数が70000回を超えたところから正解率が100％となり、隠れ層1層でもirisデータセットを学習させることが可能であることがわかる。
