ニューラルネットワークの基礎をまとめる
Chainerで始めるニューラルネットワーク ←わかりやすい！ ニューラルネットワークで重回帰分析をする図を作りました 分析テーマは「都市の旅行客数を予測する」です - 距離：東京からの距離 - 気温：平均気温 - 人口：その都市の人口
入力層・隠れ層・出力層
入力層 分析に使うデータをインプットする → 入力層のノード数は説明変数の個数と同じ
隠れ層 インプットされたデータを分析する 隠れ層は複数作成できる 中間層とも言う
出力層 分析された結果を出力する 犬か猫かだったら「0か1」、回帰分析など値を予測したら「500」（結果そのまま出力）
重み
入力値を隠れ層に渡すときには重みが掛けられる （隠れ層1→隠れ層2…も重みが掛けられる）
重みは「この入力値の重視度」を値にしたもの 重みの値を大きくする → 分析結果に与える影響を大きくする （結果と高い相関がある変数だったら重みの値を大きくする）
バイアス
ニューラルネットワークと人間のバイアス（偏り） 入力データの偏りを調整する値 偏りが結果に良い影響（予測精度が上がる）を与える → バイアスの値を大きくする
活性化関数
活性化関数のまとめ（ステップ、シグモイド、ReLU、ソフトマックス、恒等関数） 各ノードで分析された結果を 「どういう値で出力（または次のノードへ渡す）するか」を決める関数
図では以下の時に活性化関数を使う - 入力層 → 隠れ層 - 隠れ層 → 出力層
シグモイド関数、ReLUを使う…はイマイチ分かっていないので勉強中です！
