データサイエンス設計マニュアル

346 11 章 機械学習

の鍵を握る性質は何だろうか？ なぜ突然大成功を収めるようになったのだろうか？

今後の課題

ディ

ープラーニングは画期的なテクノロジーであり、一過性のものではないが、特に適してい

るのは膨大な量の訓練データがある対象領域である。そのため、ほとんどのデータサイエンスモ

デルは、今後もこの章でこれまで詳説してきた伝統的な分類アルゴリズムや回帰アルゴリズムを

使って構築されるだろう。

11.6.1 ネットワークと深さ

ディープラーニングネットワークのアーキテクチャを図示すると、図 11 -12 のようになる。各ノード x

は、与えられたすべての入力に単純な関数 f (x) を適用して値を計算する計算ユニットである。ここでは、x

はすべての入力を加算して、合計を出力する単純な加算器だとみなしてよい。個々の有向辺 (x, y) は、ノー

ド x の出力をより高い位置にあるノード y への入力として渡す。さらに、各有向辺には、w

xy

という係数が

あり、y に実際に渡される値は w

xy

· f(x) である。つまり、ノード y は、入力の重み付き総和を計算する。

図 11 -12 の左端の列は、一連の入力変数を表しており、その値は、ネットワークに予測を要求するたびに

変わる。これはネットワークに対するインターフェイスだと考えることができる。このノードから次のレベ

ルへのリンクは、この入力値を使って計算を行うすべてのノードに入力値を伝える。右端の列は 1 つ以上の

出力変数であり、この計算の最終結果を示す。この入力層と出力層の間にノードの ...