Index A I | 学習データ |
one-hotベクトル エンコーディング カテゴリ変数 カテゴリデータ MNISTデータ NN機能・要件 NN構成・方式 構成・方式など タスク 導入 Sample 用語 |
one-hotベクトル 1つだけ1でそれ以外は0のベクトル(行列) カテゴリー変数を0,1の変数に変換して、学習器が学習しやすい形に変換する。カテゴリ変数のエンコーディング ・One-Hot エンコーディング 変数のラベルの種類毎に特徴量(列)を生成し、True(1)、False(0)を割当てる。・ラベルエンコーディング 各ラベルを数値(整数)に変換・カウントエンコーディング データ毎に各ラベルが登場する回数を変数として使用・ラベルカウントエンコーディング 各変数のラベルを出現回数が多い順にランク付けし、そのランクを変数とする。・ターゲットエンコーディング ラベルごとに目的変数の統計量(通常は平均値)を計算しその値を変数として使用カテゴリ変数 (categorical variable) ・性別や血液型やアンケート票の選択肢などのカテゴリー 水準 (カテゴリ変数に含まれる値)・カテゴリカル変数は データの尺度 によって2種類に分けれる。 名義尺度 データ(非順序データ(non-ordinal)) 他と区別し分類(性別、血液など) 順序尺度 データ 順序に意味を持つ(1,2,3着、満足度など)・順序尺度データのために開発されたデータ解析方法は名義尺度データには用いない。 カテゴリカルデータ (categorical data) ・物事の性質を数え上げる計数データ (count data) 性別、血液型、アンケート票の選択肢、郵便番号などなどMNIST データ (Mixed National Institute of Standards and Technology database) ・手書き文字認識のためのデータセット 入力:28×28(=784)ピクセルからなるグレースケール画像 出力: 0 から 9 までの ラベル・4つのファイルで構成
ラベルは、画像が何の数字を表すかの 0 から 9 までの数値・画像データ
ピクセルの値は、0から255までの値で、0が白,255が黒を表す。 |
All Rights Reserved. Copyright (C) ITCL |