ポケモン種族値で学ぶニューラルネットワークAIの基礎
「ニューラルネットワークとは何か？」
その問いに対して、本記事ではポケモンの種族値の合計が560を超えるかどうかを判定するシンプルな分類問題を題材に、ニューラルネットワークの基本を直感的に理解できる方法を紹介します。
ニューラルネットワークの構造
使用するのは1層・シグモイド活性化関数付きの非常に単純な構造です：
- 入力層：6つの種族値（H, A, B, C, D, S）
- 重み（Weights）：すべて1（単純に合計を取る）
- バイアス（Bias）：-560（＝しきい値）
- 活性化関数：シグモイド関数（確率に変換）
数式モデル
出力は次のように計算されます：
$$
z = \sum_{i=1}^{6} x_i - 560
\quad \Rightarrow \quad
\text{Probability} = \sigma(z) = \frac{1}{1 + e^{-z}}
$$
- $x_i$：6つの種族値
- $\sigma(z)$：シグモイド関数
判定ルール
- 出力値 ≥ 0.5 → 種族値合計は560以上の可能性あり（分類：1）
- 出力値 < 0.5 → 種族値合計は560未満と予測（分類：0）
実例：ウインディ（種族値合計 555）
# Program Name: sigmoid_species_classifier_plot.py
# Creation Date: 20250601
# Overview: Classify Pokémon base stats using sigmoid, plot activation and its derivative
# Usage: Run the script to classify input stats and visualize sigmoid + derivative
# ライブラリのインストール / Install required libraries
!pip install numpy matplotlib
# ライブラリのインポート / Import libraries
import numpy as np
import matplotlib.pyplot as plt
# ---------- シグモイド関数とその微分 / Sigmoid and its derivative ----------
def sigmoid(z):
"""シグモイド活性化関数 / Sigmoid activation function"""
return 1 / (1 + np.exp(-z))
def sigmoid_derivative(z):
"""シグモイド関数の導関数 / Derivative of sigmoid"""
s = sigmoid(z)
return s * (1 - s)
# ---------- ニューラルネットワーク判定関数 / Classifier function ----------
def classify_with_sigmoid(base_stats):
weights = np.ones(6)
bias = -560
z = np.dot(weights, base_stats) + bias
return sigmoid(z), z
# ---------- ウインディの種族値 / Arcanine base stats ----------
arcanine_stats = [90, 110, 80, 100, 80, 95] # total = 555
prob, z_val = classify_with_sigmoid(arcanine_stats)
# ---------- 結果出力 / Output result ----------
print(f"確率（Probability）: {prob:.4f}")
print("判定（Classification）:", "はい (1)" if prob >= 0.5 else "いいえ (0)")
# ---------- 活性化関数と微分のプロット / Plot sigmoid and its derivative ----------
z_range = np.linspace(-20, 20, 400)
sig_vals = sigmoid(z_range)
deriv_vals = sigmoid_derivative(z_range)
plt.figure(figsize=(10, 6))
plt.plot(z_range, sig_vals, label='Sigmoid', linewidth=2)
plt.plot(z_range, deriv_vals, label="Sigmoid Derivative", linestyle='--')
plt.axvline(z_val, color='gray', linestyle=':', label=f'z = {z_val:.2f}')
plt.axhline(0.5, color='lightgray', linestyle=':')
plt.title("Sigmoid Activation Function and Derivative")
plt.xlabel("z")
plt.ylabel("Value")
plt.legend()
plt.grid(True)
plt.show()
出力：
確率（Probability）: 0.0067
判定（Classification）: いいえ (0)
解釈と学び
- ウインディは種族値555 → わずかに届かず ✗
- 確率的にも0.0067と非常に低い
- ニューラルネットワークはこのように線形和＋バイアス＋活性化という構成で入力を分類
応用への展開
まとめ
本モデルはシンプルながら、ニューラルネットワークの本質（加重和＋バイアス＋非線形変換）をしっかり体験できる教材です。
ポケモンの種族値を活用することで、AI初学者でも親しみやすく、かつ数学的な理解に橋をかけることが可能です。