特徴ベクトル
特徴ベクトルとは、機械学習モデルの「入力データ」のことで、だいたいの場合は「1次元の数字の配列」です。特徴ベクトルは、ニューラルネットワークがデータを理解し、学習するための基礎となります。
画像[編集 | ソースを編集]
画像認識のタスクでは画像のピクセル値を特徴ベクトルとして使用します。
たとえば2次元のカラー画像を、RGBの3チャンネルから1チャンネル化(グレースケールに変換)し、さらに1次元の浮動小数点数の配列(特徴ベクトル)に変換するなどといったことが行われます。
同様にカラーのまま1次元の浮動小数点数の配列(特徴ベクトル)に変換するモデルもあります。
自然言語処理[編集 | ソースを編集]
自然言語処理では、単語や文の出現頻度や重要度を数値化した配列が特徴ベクトルとなります。
特徴ベクトルは、ニューラルネットワークの入力層に供給され、隠れ層を通じて処理され、最終的に出力層で予測や分類が行われます。このプロセスを通じて、ニューラルネットワークはデータのパターンを学習し、予測精度を向上させます。