ニューラルネットワークで直線にフィット

ニューラルネットワークを使って、直線のデータ$y=x$にノイズをのせた、$y=x+n$ ($n$がノイズ)からサンプルしたデータにフィッティングをして、$y=x$を学習できるか試してみました。

Kerasを使って学習します。モデルは、

model = Sequential()
model.add(Dense(32, input_shape=(1,)))
model.add(Activation('tanh'))
model.add(Dense(32))
model.add(Activation('tanh'))
model.add(Dense(1))

としました。ただの直線フィッティングにしてはゴージャスな構成です。

学習データを[-10,10)の範囲で一様乱数で10000サンプルとって、100エポック学習したところ、学習できたモデルの出力は下図のようになりました。横軸が$x$、縦軸が$y$です。

学習データのある$x$が-10から10の範囲では目で見る限りにおいてノイズに惑わされず直線になっていますが、その範囲外は明らかに$y=x$ではありません。

学習用のコードは以下です。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42

# This script trains a neural network model by using y=x with noise. import keras, os import numpy as np from keras.models import Sequential from keras.layers import Dense, Activation TRAIN_EPOCH = 100 def approx_model(): model = Sequential() model.add(Dense(32, input_shape=(1,))) model.add(Activation('tanh')) model.add(Dense(32)) model.add(Activation('tanh')) model.add(Dense(1)) print(model.summary()) return model if __name__ == '__main__': if not os.path.exists("models"): os.mkdir("models") # Make data for training and validation x_train = (np.random.rand(10000,)*20-10).reshape(10000, 1) y_train = np.array([x+np.random.normal(0, 1) for x in x_train]).reshape(10000, 1) x_val = (np.random.rand(10000,)*20-10).reshape(10000, 1) y_val = np.array([x+np.random.normal(0, 1) for x in x_val]).reshape(10000, 1) # Make a model model = approx_model() # Train the model opt = keras.optimizers.Adamax(lr=0.002, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=1e-4) model.compile(optimizer=opt, loss='mean_squared_error', metrics=['mse']) hist = model.fit(x_train, y_train, validation_data=(x_val, y_val), epochs=TRAIN_EPOCH, batch_size=32).history # Evaluate the last model by train and validation data score_train = model.evaluate(x_train, y_train, batch_size=32) score_val = model.evaluate(x_val, y_val, batch_size=32) model.save("models/linear.hdf5")

図の表示用のコードは、Jupyter notebook用のコードで、以下の通りです。

1 2 3 4 5 6 7 8 9 10

%matplotlib inline import keras import matplotlib.pyplot as plt import numpy as np x = np.array([v/10 for v in range(-300,300)]) model = keras.models.load_model('models/linear.hdf5') y = model.predict(x) plt.grid() plt.scatter(x, y, s=1) plt.show()