差分

この文書の現在のバージョンと選択したバージョンの差分を表示します。

--- kerasで重回帰分析 [2017/08/09]
adash333 [Kerasで重回帰分析]
+++ kerasで重回帰分析 [2018/10/07] (現在)
@@ ライン 1: / ライン 1: @@
-===== Kerasで重回帰分析 =====
+===== Kerasで回帰分析 =====
 http://qiita.com/cvusk/items/33867fbec742bda3f307
 よくあるMNISTは分類。
-出力が連続値で出てほしい。
+出力が連続値で出てほしいと思うことがあった。
 回帰というらしい。
 そういえば、重回帰分析よくやっていました。今でもやりますが。
-以下の本を再度読むと、deep learningの最後の層をソフトマックス関数ではなく、恒等簡単にすればよいと言うことがわかった。
+以下の本を再度読むと、deep learningの最後の層をソフトマックス関数ではなく、恒等簡単にすればよく、さらに、損失関数 (loss function) として2乗和誤差 (mean squared error)を指定すればよいというかとが分かりました。
+まだKerasでの実装はできていませんが、以下に、Neural Network Console(SONY)での実装のリンクを記載させていただきます。
+NeuralNetworkConsole（SONY）で回帰分析（１）
+/8/21\\
+http://twosquirrel.mints.ne.jp/?p=19839
+機械学習初めての人に1冊だけおすすめするとしたら、まずはこれです。
+<html><a href="https://www.amazon.co.jp/%E3%82%BC%E3%83%AD%E3%81%8B%E3%82%89%E4%BD%9C%E3%82%8BDeep-Learning-Python%E3%81%A7%E5%AD%A6%E3%81%B6%E3%83%87%E3%82%A3%E3%83%BC%E3%83%97%E3%83%A9%E3%83%BC%E3%83%8B%E3%83%B3%E3%82%B0%E3%81%AE%E7%90%86%E8%AB%96%E3%81%A8%E5%AE%9F%E8%A3%85-%E6%96%8E%E8%97%A4-%E5%BA%B7%E6%AF%85/dp/4873117585/ref=as_li_ss_il?_encoding=UTF8&amp;psc=1&amp;refRID=QP0FZTYT6QNR4YDRBQF8&amp;linkCode=li3&amp;tag=twosquirrel-22&amp;linkId=dc0c774501f7190459105700cbdb5a42"><img src="http://ws-fe.amazon-adsystem.com/widgets/q?_encoding=UTF8&amp;ASIN=4873117585&amp;Format=_SL250_&amp;ID=AsinImage&amp;MarketPlace=JP&amp;ServiceVersion=20070822&amp;WS=1&amp;tag=twosquirrel-22" alt="" /></a><img src="https://ir-jp.amazon-adsystem.com/e/ir?t=twosquirrel-22&amp;l=li3&amp;o=9&amp;a=4873117585" alt="" width="1" height="1" />
+</html>
+ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 単行本（ソフトカバー） – 2016/9/24\\
+斎藤 康毅  (著)\\
+Kerasで実装してみたい。
+===== 参考 =====
+http://qiita.com/ototo/items/842c90aa0cbc872f125e\\
+kerasを使ってみる
+ototo
+年07月19日に投稿
+linear関数を使って、結果に連続値を出している
+http://qiita.com/HirofumiYashima/items/667cefcabf84278e6a67\\
+Keras 1d-CNN １次元畳み込みニューラルネットワーク で 単変量回帰タスク を 行って成功した件 （1d-CNN層の出力結果 を flatten してから Dense(1) に 渡さないと 次元（shape）エラー に なる ので 注意！）
+http://www.ag.kagawa-u.ac.jp/charlesy/2017/07/21/kerasで化合物の溶解度予測（ニューラルネットワー
+https://ponvire.com/2017/07/05/python＋tensorflow＋kerasでディープラーニングによる線形回帰/
+https://www.google.co.jp/url?sa=t&source=web&rct=j&url=https://www.slideshare.net/katsuhiromorishita/ml06-78758218&ved=0ahUKEwiE6o7ks9DVAhULgLwKHV5uD884ChAWCC0wBA&usg=AFQjCNFakWRXrAP4CQz-UeE2MvMY1AUOrg\\
+シリーズML-06 ニューラルネットワークによる線形回帰 - SlideShare
+http://machinelearningmastery.com/regression-tutorial-keras-deep-learning-library-python/\\
+Regression Tutorial with the Keras Deep Learning Library in Python
+by Jason Brownlee on June 9, 2016 in Deep Learning
+https://gist.github.com/neilslater/40201a6c63b4462e6c6e458bab60d0b4\\
+これが、私が求めているものに一番近いか？
+http://hra-inc.co.jp/2017/06/21/deep-learning-事始め（第４回-cnn）/
+https://stackoverflow.com/questions/43895750/keras-input-shape-for-conv2d-and-manually-loaded-images\\
+Keras input_shape for conv2d and manually loaded images
+http://dev.classmethod.jp/machine-learning/introduction-keras-deeplearning/\\
+KerasではじめるDeepLearning
+ データ分析機械学習
+keras-logo-small
+年05月19日  じょんすみす（17）
+http://ashigaru-com.blogspot.jp/2017/06/jupiter-notebook-kerastensor-flow3.html?m=1
+年6月3日土曜日
+Jupiter Notebook + Keras(Tensor Flow)でチュートリアルをしてみる3 MINIST
 ===== 見出し =====
 （作成中）

サルでもわかる機械学習

ユーザ用ツール

サイト用ツール

差分

ページ用ツール