TensorFlowでアワビデータセット用の正規化レイヤーを構築する方法

「preprocessing」モジュールに含まれる「Normalization」メソッドを使用することで、正規化レイヤーを構築できます。このレイヤーは、アワビデータセットの特徴量に自動的に適応するように設計されています。さらに、モデルの学習能力を高めるためにDenseレイヤー（全結合層）も追加します。

この正規化レイヤーは、各列（特徴量）ごとの平均と分散を事前に計算する役割を担います。そして、その平均値と分散値をもとにデータを正規化し、モデルの学習を安定させます。

アワビデータセットについて

今回使用するのはアワビデータセットです。アワビは海産の巻貝の一種で、このデータセットにはアワビのさまざまな測定値が記録されています。目的は、それらの測定値をもとにアワビの年齢を予測することです。

実行環境：Google Colaboratory

以下のコードはGoogle Colaboratory上で実行しています。Google Colab（Colaboratory）はブラウザ上で直接Pythonコードを実行できるサービスで、環境構築は一切不要です。また、GPU（グラフィックス処理装置）にも無料でアクセスでき、Jupyter Notebookをベースに構築されています。

print("A normalization layer is being built")
normalize = preprocessing.Normalization()
normalize.adapt(abalone_features)
print("A dense layer is being added")
norm_abalone_model = tf.keras.Sequential([
    normalize,
    layers.Dense(64),
    layers.Dense(1)
])

コード出典：https://www.tensorflow.org/tutorials/load_data/csv

出力結果

A normalization layer is being built
A dense layer is being added

コードの解説

• モデルへの入力データが正規化されます。
• この正規化は、「experimental.preprocessing」レイヤーを追加することで組み込むことができます。
• 正規化レイヤーは、各列に関連付けられた平均と分散を事前計算します。
• 計算された平均値と分散値は、データの正規化に使用されます。
• まず「Normalization.adapt」メソッドを呼び出して、正規化レイヤーを作成します。
• 前処理レイヤーの「adapt」メソッドには、必ず訓練データのみを使用してください。テストデータや検証データを渡すと、データリークの原因となります。
• 最後に、この正規化レイヤーを組み込んでモデルを構築します。