Test Iris with Tensorflow.js
2019/6/17 by T. Fujita
本テストは「Iris flower data set」と呼ばれるアヤメの花びらの幅、長さとがくの幅、長さの4つの数値及びそのアヤメの種類（setosa，versicolor，virginica）の情報を元に
各特徴量からアヤメの種類を予測してその精度を比較するものです。 なお、「Iris flower data set」は、「https://gist.github.com/netj/8836201」からダウンロードしました。
学習モデルが適切であれば、学習を重ねる毎に評価精度が高まるのが分かると思います。 本プログラムは、「Microsoft Edge / Ver. 11.0.17763.379」及び「Firefox / Ver. 65.0.2 (64ビット)」、
「Google Chrome / Ver. 73.0.3683.86 (64ビット)」で動作を確認しました。 また、Android 7.0でも動作しました。
初めに「学習結合層数」、「各層のユニット数」および「活性化関数」を指定してから「Iris Data 読込表示」、「学習開始」をクリックして下さい。
なお、「学習結合層数」等を学習途中で変更しても反映されませんので、悪しからず！
学習モデル：
学習結合層数：
第１中間層ユニット数：
第２中間層ユニット数：
出力層ユニット数：３
各層の活性化関数指定 第１中間層活性化関数：
第２中間層活性化関数：
出力層活性化関数：softmax
学習データ数： 検証データ数： 学習率：
学習回数：
次のグラフ表示には、「Chart.js」を使用させていただきました。
アヤメの花びらの幅、長さ、がくの幅、長さを指定後に評価してください。
評価結果：
参考：各アヤメの花びらの幅、長さ、がくの幅、長さの参考値
Iris-setosa: 4.3-5.8, 2.3-4.4, 1.0-1.9, 0.1-0.6
Iris-versicolor: 4.9-7.0, 2.0-3.4, 3.0-5.1, 1.0-1.8
Iris-virginica: 4.9-7.9, 2.2-3.8, 4.5-6.9, 1.4-2.5