「詳解ディープラーニング」を写経してみる（２）3.4ロジスティック回帰

2017年7月21日

前回は、3.3　単純パーセプトロンを写経してみた。

詳解ディープラーニング　TensorFlow・Kerasによる時系列データ処理 Kindle版
巣籠悠輔 (著)
3400円
出版社: マイナビ出版 (2017/5/30)

今回は、3.4 ロジスティック回帰　を写経してみたい。背景のところの数式がさっぱりわからなくて悲しい。

（環境）
Windows8.1
Python 3.5.2
Anaconda 4.1.1 (64-bit)
Tensorflow 1.2.1
Keras 2.0.6

（０）ロジスティック回帰について

13分でわかるロジスティック回帰
Takatymo
2016年01月08日に更新
http://qiita.com/Takatymo/items/fb16c088de325d98a363

2016-06-04
やる夫で学ぶ機械学習 – ロジスティック回帰 –
http://tkengo.github.io/blog/2016/06/04/yaruo-machine-learning5/

（１）p93, 3.4.3 ロジスティック回帰　を写経してみる。

Tensorflowの方を写経してみる。

そのままであった。。。

＜tensorflowによる実装の流れ＞（←上記本より引用）
１．モデルの定義
２．誤差関数の定義
３．最適化手法の定義
４．セッションの初期化
５．学習

（２）Kerasによる、ロジスティック回帰の実装

（３）このモデルの保存を試みる。

先ほどの最後の行に、以下を加えて、実行

model.save('my_model34.hdf5')

そうすると、my_model34.hdf5 （15KB）というファイルが、xxxxxx.ipynbと同じフォルダに保存される。

下記にあわせて、モデルの保存も含めて、以下のコードに書き直した。

model_json_str = model.to_json()
open('my_model34.json', 'w').write(model_json_str)
model.save_weights('my_model34.hdf5');

（４）Kerasで保存したモデルの呼び出しと予測

（３）で保存したファイルと同じフォルダで、新しくipynbファイルを作成し、以下を入力。

実行結果は以下のようになる。

（参考）

Keras のモデルと学習結果を保存して利用する
Published Sun, Jul 17, 2016 by m0t0k1ch1
http://m0t0k1ch1st0ry.com/blog/2016/07/17/keras/

まだ、コメントがありません