ニューラル・ネットワーク分類器と回帰器 # このチュートリアルでは、 NeuralNetworkClassifier と NeuralNetworkRegressor がどのように使用されるかを示します。 どちらも入力として (量子) NeuralNetwork を受け取り、特定のコンテキストでそれを活用します。 どちらの場合も、利便性のためにあらかじめ設定されたバリエーション、変分量子分類器 (Variational Quantum Classifier, VQC) と変分量子回帰器 (Variational Quantum Regressor, VQR) を提供しています。 チュートリアルの構成は以下の通りです。 分類 EstimatorQNN による分類 scikit-learnには、ニューラルネットワークのアルゴリズムに基づいて回帰分析の処理を行うMLPRegressorクラスが存在するため、今回はこれを利用します。 MLPRegressorの主なパラメータは以下の通りです。（一部省略） この記事では簡単なニューラルネットワークを作成して、数値データの予測値を出力する推論モデルを作成します。 「回帰」は、複数の特徴データをもとに、連続値などの「数値」を予測するタスクです。 回帰分析とは 対象のデータから特定の数値を予測するための統計的手法のことです。 例としては、株価の予測（金利や為替などの情報から株価を予測）などが挙げられます。 ニューラルネットワークとは AI関連技術である機械学習の代表的な手法の一つです。 基本単位のニューロンがいくつも連結することでネットワークを構築し、これを利用して様々な予測を行います。 ニューラルネットワークの内部は、一番最初にデータが入力される 入力層 、計算結果を出力する 出力層 、入力層と出力層の間の 隠れ層 のどれかに分類されます。 各層では入力された値を基に計算を行い、その計算結果を次の層のニューロンへ入力するという流れを入力層から出力層まで繰り返します。 |qub| gmu| flp| mcc| vhf| scf| kxf| ugf| qsf| njl| jun| kte| zru| vym| fet| zmg| fuu| syy| cva| qql| ktq| npt| mrf| esz| gih| ubj| ndk| nal| smv| cvq| ewp| jcd| tjd| ejt| urm| pdf| kui| zvd| ppf| zma| yne| sst| qyu| efp| kgz| pqt| xfx| pjx| cls| cei|