用語	意味
サンプル or 入力	モデルに渡される１つのデータ
予測値 or 出力	モデルから返される値
目的値	真の値。外部のデータに基づいてモデルが予測すべき値
クラス	分類問題において選択可能な一連のラベル
ラベル	分類問題でのクラスアノテーションのインスタンス
グラウンドトルース or アノテーション	データセットの全ての目的値
二値分類	入力サンプルを2つの相互吐いたなカテゴリに分類するタスク
多クラス分類	MNSITのような2つ以上のカテゴリに分類するタスク
多ラベル分類	各入力サンプルに複数のラベルを割り当てる分類タスク
スカラー回帰	目的値が連続するスカラー値となるタスク　※価格予測問題など
ベクトル回帰	連続ベクトルなど、目的値が連続値となるタスク※画像の境界矩形の座標など
ミニバッチ or バッチ	モデルがデータを処理する際の処理単位

###　最終レイヤーの活性化関数と損失関数

問題の種類	活性化関数	損失関数
二値分類	sigmoid	binary_crossentropy
多クラス単一ラベル分類	sogtmax	categorical_crossentropy
多クラス多ラベル分類	sigmoid	binary_crossentropy
任意の値に対する回帰	-	mse
0 ~ 1の値に対する回帰	sigmoid	mse or binary_crossentropy
機械学習で何をしたいかによって最終レイヤーの出力形式が変わる
損失関数も変わる

データ形状によって選択すべきモデルのアーキテクチャが異なる

データ形状	選択されるレイヤータイプ	Keras クラス
2次元テンソル	全結合層	Denseクラス
3次元テンソル	LSTM層などのリカレント層	https://keras.io/ja/layers/recurrent/
多クラス多ラベル分類	2次元の畳み込み層(Conv2D)
機械学習で何をしたいかによってデータの形状は変わる
そして、データの形状によって最適なレイヤーが変わる
レイヤーのタイプが変わればデータの渡し方も変わる