Pythonではじめる教師なし学習 ―機械学習の可能性を広げるラベルなしデータの利用

8.5

 線形活性化関数を用いた

2

層未完備オートエンコーダ

179

0.6720552647581304,

0.025619070873716072]

このオートエンコーダのバリエーションを作って、改善できないか見てみよう。

8.5

 線形活性化関数を用いた

2

層未完備オートエンコーダ

完備なオートエンコーダではなく未完備なオートエンコーダを試してみよう。

前節で見たオートエンコーダとの相違点は隠れ層のノード数だけだ。前節では、隠れ層のノード数

を元の次元数

29

としていたが、ここでは

20

とする。これでこのオートエンコーダは制約されたことに

なる。エンコーダ関数は入力層の情報を少ないノード数で捉えるよう強制される。デコーダ関数はエン

コーダが作った新しい表現を使って元の行列を再構成しなければならない。

完備なオートエンコーダと比べると損失が大きくなることが予想される。実行してみよう。

10

回別々

に実行して、それぞれの未完備オートエンコーダがどの程度不正を見つけられるか見てみよう。

# 10 runs - We will capture mean of average precision

test_scores = []

for i in range(0,10):

# Call neural network API

model = Sequential()

# Apply linear activation function to input layer

# Generate hidden layer with 20 ...