須多先生

みなさん お疲れ様でした
アクティビティはいかがでしたか？

深田 あい

「入力層」のユニットの数は 入力する単語の数分必要だということがわかりました

徳井 天

「出力層」のユニットの数は 出力する結果の数分必要だったから 今回の場合は3つのユニットになるということもわかったよ

深田 あい

分からないところのサポートをしてもらえて （ユーザー名）さんのおかげで助かったよ ありがとう！

徳井 天

ディープラーニングの学習方法についてしっかり理解できたし じゃあ早速ディープラーニングでテキスト分類をしてみよう！

深田 あい

えっと 今回使うデータは…「ポジティブな意見」「ネガティブな意見」「質問や問い合わせ」で あらかじめアノテーションされてある200件のデータを使って学習させるんでしたよね 先生

須多先生

はい その通りです
ですが 実はディープラーニングで学習させるには 200件ではデータが少なすぎるんです

徳井 天

え！？200件って 相当多いと思ったんだけど…少ないのか？あとどれくらいのデータが必要なんだろう…？

須多先生

必要なデータ量を見極めるのは難しいですが テキスト分析は複雑なので かなり多くのデータが必要になることが多いです
高い精度を求めるのであれば 今の10倍以上は必要でしょう

深田 あい

10倍以上！？そんなに必要なんですか！？

徳井 天

200件のアノテーションデータを用意するのも大変だったのにショックだな…

須多先生

少ないデータでも学習自体を行うことはできますが その場合は「過学習」が起こる可能性が高くなります
「過学習」については こちらの動画で復習してくださいね

須多先生

これこそがディープラーニングの扱いの難しい点になります
そのため 少ないデータでもある程度の精度が出せる シンプルな手法との使い分けが重要になります

深田 あい

そういえば 認識編の犬種を認識するアクティビティで「学習済みのモデル」を使いましたよね

徳井 天

たしか学習済みのモデルを使ったら 一瞬で犬種を認識できたんだったよな

深田 あい

あの時は 犬種を認識するための「学習モデル」だったけど テキスト分類をするための「学習済みモデル」はないんですか？

須多先生

みなさん よく覚えていましたね
まさに今 その「学習済みモデル」を使用することを提案しようと思っていました

須多先生

テキストを「ポジティブな意見」「ネガティブな意見」に分類することができる「感情分析」の学習済みモデルは 様々な用途で利用されます

深田 あい

そのモデルを使って 分析してみたいです！

徳井 天

決定木よりも精度が上がればいいな
楽しみだな！

須多先生

それでは STAR Colabに 感情分析の「学習済みモデル」を用意しましたので 次のアクティビティの指示に従って進めてください