ホーム » Keras » Keras : 目的関数

Keras : 目的関数

Keras : 目的関数(翻訳/要約)

* 本ページは、Keras 本家サイトの Keras : Objectives の簡単な要約です。

 

目的関数の使用方法

目的関数(あるいは損失関数、あるいは最適化スコア (optimization score) 関数)はモデルを compile するに必要な2つのパラメータの一つです :

model.compile(loss='mean_squared_error', optimizer='sgd')

既存の目的関数の名前を渡すこともできるし、あるいは、次の2つの引数を取り各データポイントのためのスカラを返す、 Theano/TensorFlow シンボリック関数を渡すこともできます :

  • y_true: True ラベル。Theano/TensorFlow テンソル。
  • y_pred: 予測。y_true と同じ shape の Theano/TensorFlow テンソル。

実際の最適化された目的関数 (optimized objective) は全てのデータポイントに渡る出力配列の平均です。

そのような関数の2、3の例は、objectives source を check out してください。

 

利用可能な目的関数 (objectives)

  • mean_squared_error / mse
  • mean_absolute_error / mae
  • mean_absolute_percentage_error / mape
  • mean_squared_logarithmic_error / msle
  • squared_hinge
  • hinge
  • binary_crossentropy: logloss としても知られます。
  • categorical_crossentropy: Also known as multiclass logloss としても知られます。Note: この目的関数を使用するためには、ラベルが arrays of shape (nb_samples, nb_classes) であることが必要です。
  • poisson: (予測 – targets * log(予測)) の平均。
  • cosine_proximity: the opposite (negative) of the mean cosine proximity between predictions and targets.

以上

AI導入支援 #2 ウェビナー

スモールスタートを可能としたAI導入支援   Vol.2
[無料 WEB セミナー] [詳細]
「画像認識 AI PoC スターターパック」の紹介
既に AI 技術を実ビジネスで活用し、成果を上げている日本企業も多く存在しており、競争優位なビジネスを展開しております。
しかしながら AI を導入したくとも PoC (概念実証) だけでも高額な費用がかかり取組めていない企業も少なくないようです。A I導入時には欠かせない PoC を手軽にしかも短期間で認知度を確認可能とするサービの紹介と共に、AI 技術の特性と具体的な導入プロセスに加え運用時のポイントについても解説いたします。
日時:2021年10月13日(水)
会場:WEBセミナー
共催:クラスキャット、日本FLOW(株)
後援:働き方改革推進コンソーシアム
参加費: 無料 (事前登録制)
人工知能開発支援
◆ クラスキャットは 人工知能研究開発支援 サービスを提供しています :
  • テクニカルコンサルティングサービス
  • 実証実験 (プロトタイプ構築)
  • アプリケーションへの実装
  • 人工知能研修サービス
◆ お問合せ先 ◆
(株)クラスキャット
セールス・インフォメーション
E-Mail:sales-info@classcat.com