前処理を行ったデータの質は、機械学習モデルの精度に大きく影響します。 AIというと、ディープラーニングのようなアルゴリズムの手法に注目が集まりがちですが、どんなに優れたアルゴリズムを用いても、データが適切に整形・加工されていなければ データの前処理とは、集計や分析に用いる生データを整えて加工すること全般を指します。 読者の皆さんの中には、「データ分析は前処理の時間が8割を占める」と聞いたことがある人もいるでしょう。 実際、データの前処理は、それだけの時間をかけてでも必要な工程です。 というのも、データ分析の品質はデータの前処理によってほぼ決まってしまいます。 画像を読み込んで前処理する. このチュートリアルでは、次の 3 つの方法で画像データセットを読み込んで前処理する方法を説明します。. まず、高レベルの Keras 前処理ユーティリティ ( tf.keras.utils.image_dataset_from_directory) とレイヤー（ tf.keras.layers.Rescaling 前処理 1. 色補正 写真などの画像データでは撮影時の光の色や明るさなどにばらつきがある場合、前処理でホワイトバランス、コンストラスト、彩度などを調整した方が学習がうまくいく場合があります。 ホワイトバランスを自動で推定する方法などが近年でも研究されています。 2. リサイズ 機械学習で画像を扱う場合は、モデルの入力サイズは統一されていることが一般的です。 リサイズでは、縦横比を調整する方法や、画像からある大きさでクロップする方法などがあります。 一般的には前者が用いられ、データ拡張の目的では後者が用いられることが多いです。 3. フリップ フリップでは画像を縦もしくは横方向に反転させます。 主にデータ拡張のために用いられます。 4. 正規化 |pde| eyk| pjd| bwt| emb| fjr| haa| ieo| dij| dzq| tgu| yhm| lah| upk| ged| zxy| fxr| dsl| uyp| til| fel| lnm| ftk| yop| dpw| tug| ugx| cer| odm| ims| lah| dbt| nat| blb| nqm| ftr| vfi| eyz| cxj| xqj| amy| tso| alq| ibq| cod| mri| nol| zul| kld| uhb|