【pythonでニューラルネットワーク#6】単回帰分析(クラスの利用)

記事の目的

pythonでクラスを利用して単回帰分析を実装していきます。ここにある全てのコードは、コピペで再現することが可能です。

 

目次

  1. 単回帰分析の概要
  2. ライブラリとデータの作成
  3. モデル
  4. モデルの学習
  5. 結果の可視化

 

1 単回帰分析の概要

 

2 ライブラリとデータの作成

# In[1]
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(1)

# In[2]
x_train = np.random.normal(5, 1, 100)
t_train = 3*x_train + 2 + np.random.randn(100)
# x_train = (x_train - x_train.mean())/x_train.std()
# t_train = (t_train - t_train.mean())/t_train.std()

# In[3]
plt.scatter(x_train,t_train)

 

3 モデル

# In[4]
class Optimizer:
  def step(self, lr):
    self.w -= lr * self.dw
    self.b -= lr * self.db

class Linear(Optimizer):
  def __init__(self):
    self.w = np.random.randn(1)
    self.b = np.random.randn(1)
  def forward(self,x):
    self.x = x
    self.y = self.w*x + self.b
    return self.y
  def backward(self, dy):
    self.dw = np.dot(dy, self.x)
    self.db = dy.sum()

class Loss:
  def forward(self, y, t):
    self.y = y
    self.t = t
    L = sum((y-t)**2)/len(t)
    return L
  def backward(self):
    dy = 2*(self.y - self.t) / len(self.t)
    return dy

# In[5]
model_ob = Linear()
loss_ob = Loss()
def model(x):
  y = model_ob.forward(x)
  return y
def loss(y,t):
  L = loss_ob.forward(y,t)
  return L
def backward():
  dy = loss_ob.backward()
  model_ob.backward(dy)
def optimizer(lr):
  model_ob.step(lr)

 

4モデルの学習

# In[6]
batch_size = 10
batch_n = len(x_train) // batch_size
batch_index = np.arange(len(x_train))

loss_all = []

for epoch in range(1, 100 + 1):
    
    np.random.shuffle(batch_index)
    
    for n in range(batch_n):
        mb_index = batch_index[n*batch_size:(n+1)*batch_size]
        y = model(x_train[mb_index])
        loss_train = loss(y,t_train[mb_index])
        backward()
        optimizer(1e-3)
    
    loss_all.append(loss_train)

    if epoch == 1 or epoch % 20 == 0:
        print(f"Epoch {epoch}, Loss {loss_train:.4f}")

 

5 結果の可視化

# In[7]
plt.plot(range(1,len(loss_all)+1), loss_all)

# In[8]
x = np.arange(2,9)
y = model(x)
plt.plot(x,y, color="black")
plt.scatter(x_train,t_train)