Pythonでニューラルネットワークを実装する方法を現役エンジニアが解説【初心者向け】

Pythonでニューラルネットワークを実装する方法について解説します。

そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。

 

なお本記事は、TechAcademyのオンラインブートキャンプPython講座の内容をもとに紹介しています。

 

 

ニューラルネットワークとは

人間の脳の中には多数のニューロン(神経細胞)が存在しています。各ニューロンは、他多数のニューロンから信号を受け取ります。逆に、他多数のニューロンへ信号を渡しています。この信号の流れにより、脳は様々な情報処理を行っています．

ニューラルネットワークはこの仕組みをコンピュータ内で模倣したものです。ニューラルネットワークは「階層型ネットワーク」と「相互結合型ネットワーク」の2つに大別できます。

階層型ネットワークとは

階層構造をもったネットワークです。入力層、中間層、出力層の3つに分かれていて、入力層から入った情報は中間層、出力層を通って出力されます。

入力層に繰り返し情報を入力し、問題に対して最適な出力が得られるようにします。本記事で扱う「パーセプトロン」は階層型ネットワークの一種です。

相互結合型ネットワーク

層という形状がなく、ニューロン同士が相互に結合しているものです。あるニューロンXから出力された情報は、他のニューロンを通って、ニューロンXに戻ってくることがあります(フィードバック)。

階層型ネットワークはパターン認識など、相互結合型ネットワークは相関学習による連想記憶などに適しています。

 

パーセプトロンとは

パーセプトロン(Perceptron)は、ニューラルネットワークの一種です。

入力層と出力層の2層だけから成るものを単純パーセプトロン、3層以上から成るものを多層パーセプトロンと呼びます。

 

[PR] Pythonで挫折しない学習方法を動画で公開中

ニューラルネットワークを実装する

この記事ではPythonの機械学習モジュールscikit-learnを用いて、パーセプトロンを実装します。scikit-learnでは線形学習の1モデルとしてパーセプトロンが提供されています。

以下のように学習器を初期化し、フィッティングや評価を行います。

from sklearn.linear_model import Perceptron
clf = Perceptron()

# X, yは適当なデータセット
clf.fit(X, y)
clf.score(X, y)

詳細は公式のリファレンスを参照してください。

実際に書いてみよう

サンプルコード

from sklearn.datasets import load_digits
from sklearn.linear_model import Perceptron
X, y = load_digits(return_X_y=True)
clf = Perceptron(tol=1e-3, random_state=0)
clf.fit(X, y)
clf.score(X, y)

 

実行結果

0.9460211463550362

解説

1. 1,2行目で必要なモジュールをインポートしました
2. 3行目でデータセットを読み込みました。ここではscikit-learnに付属のサンプル(手書き数字の認識)を用いました
3. 4行目でパーセプトロンの学習器を初期化しました
4. tolは許容誤差です。random_stateは疑似乱数に与える初期値です。実行ごとに同じ結果を得るため、固定値を指定しました
5. 5行目で学習(フィッティング)を行いました
6. 6行目で結果を出力しました。0.946…のため、正解率は94.6%程度でした

 

監修してくれたメンター

橋本紘希 システムインテグレータ企業勤務のシステムエンジニア。 開発実績: Javaプログラムを用いた業務用Webアプリケーションや、基幹システム用バッチアプリケーションなどの設計構築試験。

 

 

TechAcademyでは、初心者でもPythonを使った人工知能（AI）や機械学習の基礎を習得できるオンラインブートキャンプPython講座を開催しています。

挫折しない学習方法を知れる説明動画や、現役エンジニアとのビデオ通話とチャットサポート、学習用カリキュラムを体験できる無料体験も実施しているので、ぜひ参加してみてください。