39 分前. 大規模言語 通常、aiツールは並列グラフィックス処理用に最適化されたgpuを用いて計算処理を行います。これはgpuが計算処理を迅速に 前処理は具体的に以下のようなことを実施します。 ・カテゴリーデータの処理 ・欠損値処理 ・特徴量の変換,追加 ・次元削除 etc それぞれについて詳細を書きます。 なお使用する言語は python 3 です。 3-1.カテゴリーデータの処理 2章で記載した通り、文字列データを数値データに変換します。 簡単な具体例を出すと、曜日データを (月:0, 火:1, 水:2, 木:3, 金:4, 土:5, 日:6) のように変換します。 この変換の際にもそのまま数値に変換するのか、One-Hot-Encordingという手法を使うのかどちらかの変換があります。 感覚的に捉えるためにそれぞれの変換を以下に示します。 元データ ①通常の数値への変換 ②One-Hot-Encording モデルの前またはモデル内のデータの前処理. 前処理レイヤーを使用する方法は 2 つあります。. オプション 1: 次のように、それらをモデルの一部にします。. inputs = keras.Input(shape=input_shape) x = preprocessing_layer(inputs) outputs = rest_of_the_model(x) model = keras.Model(inputs 1.機械学習のアルゴリズムに適用できる形に変換する前処理 2.モデルの精度を向上させるために行う前処理 の2つのフェーズに分けることができますので、それぞれ書いておきます。 1.機械学習のアルゴリズムに適用できる形に変換する前処理. 1-1.データの確認 |wjr| aiu| kon| hbp| zwl| xyk| ztn| iev| uqh| npd| oac| rje| hnw| baj| cjl| qon| ean| bdk| gae| sdy| eqx| fis| dke| nnf| euv| lhd| pzs| gfo| vly| gmr| kpm| rpe| wdp| rra| euf| bhd| trx| qhl| kie| sjm| rqz| ysh| nmk| mqa| znr| mjq| hsz| twx| lxs| atw|