- ライブラリのインポート:
ニューラルネットワークを構築するためには、まず必要なライブラリをインポートします。以下は一般的なライブラリのインポート例です。
import numpy as np
import tensorflow as tf
- データの準備:
ニューラルネットワークを訓練するためには、適切なデータセットを用意する必要があります。以下は、データの読み込みと前処理の例です。
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
# データセットの読み込み
iris = load_iris()
X = iris.data
y = iris.target
# データの分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
- ニューラルネットワークの構築:
以下は、Kerasを使用してニューラルネットワークを構築する例です。
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
# モデルの構築
model = Sequential()
model.add(Dense(64, activation='relu', input_dim=4))
model.add(Dense(64, activation='relu'))
model.add(Dense(3, activation='softmax'))
# モデルのコンパイル
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
- モデルの訓練と評価:
以下のコードは、先ほど構築したモデルを訓練し、評価する例です。
# モデルの訓練
model.fit(X_train, y_train, epochs=10, batch_size=32, validation_data=(X_test, y_test))
# モデルの評価
loss, accuracy = model.evaluate(X_test, y_test)
print(f"Test loss: {loss}")
print(f"Test accuracy: {accuracy}")