つづき
６．損失関数の変更
binary_crossentropy（交差エントロピー）が基準であるが、他の関数に変えた時の
正解率を調べることにする。なお、CNNの構造は、前回の５．２．１とした。
やはり、基準の binary_crossentropyが良い。以降はこれを使う事にする。
| 損失関数 | binary_crossentropy | mean_squared_error | hinge |
| 正解率 | ０．８１５７ | ０．７２４３ | 無限ループ(*) |
(*)損失が変わらないために、同じ計算を最大数回繰り返した。
７．最適化関数の変更
Adamが基準であるが、他の関数に変えた時の
正解率を調べることにする。なお、CNNの構造は、前回の５．２．１とした。
基準のAdamよりもRMSpropの方が良い。以降はこれを使う事にする。
| 最適化関数 | Adam | RMSprop | Nadam |
| 正解率 | ０．８１５７ | ０．８２５３ | ０．７５４８ |
８．CNN構造の変更を再試行
追加した層が２つの場合に正解率が下がった事に納得がいかなかったので、最適化関数を
RMSpropに変えて調べてみた。正解率が上がり、ドロップアウト率は０．２５が良い。
| ドロップアウト率 | 追加なし | ０．２ | ０．２５ | ０．３３ |
| 正解率 | ０．８２５３ | ０．６７３ | ０．８５２５ | ０．８４９３ |
次回へつづく
＜個人的な感想＞
層が多いほうが正解率が上がる事に納得した。それにしても、最適化関数の選び方でCNNの
構造が変わる事は予想外であった（Adamは基準関数なのに・・・）。