機械学習でラベルの作り方

Question

###やりたいこと
機械学習のデータにつけるラベルの作り方

###機械学習の内容
（0~9999の10000個の任氏の数字列）＋（アルファベット）

が書かれている画像の認識をさせる。

###現在の進捗状況
現在は、それぞれの数字とアルファベットの画像をうまく連結させて
データ（訓練用とテスト用）を作成したところです。

次に、ラベルが必要となるのですが、
ラベルの中身をどのようにすればいいのかわからない。

###知りたいこと
ラベルの作成は、配列に、画像の対応する数字（10進数）を記述すれば、
ラベルとして機能するのか？

MNISTのラベルデータを解析したところ、
byte配列になっており、任意の桁に"1"が記述してありました。
そのことを理解したうえで、この疑問にたどり着きました。

ラベルの作成方法を知っている方、
どんな情報でもいいので教えてください。

Answer 1

配列に、画像の対応する数字（10進数）を記述すれば、

ラベルとして機能するのか

回帰問題として解くということ？　何らかの結果は得られるでしょうが、望むような精度には普通はなりません。

分類問題として解きたいのなら、カテゴリデータとして捉え、one-hot表現をラベルというか目的変数に持ってくるのが一般的なやり方です。

10000個の数字列+アルファベットということですから、アルファベット一文字（大文字/小文字どちらかのみ）としても260000次元のone-hot表現になりますね。やってやれないことはないでしょうが、さすがに無茶でしょう。

もう少し普通の発想で考えると、前処理で一文字ずつ切り分けて、各文字を独立に分類すれば良さそうです（さすがに数列＋アルファベットで系列ラベリングは要らないだろう・・・）。そうするとたかだか数十次元のone-hot表現なので、普通にできます。

問題は切り分ける手法ですが、古典的なものから最新のものまで色々あるはずです。これは調べてみるしかない世界かと。

Comments

[jun_endo]

回答ありがとうございます。。
遅れて申し訳ありません。
丁寧に教えていただきありがとうございます。
そのことで一つ知りたいことがあります。
最後に、切り分ける手法について、方法がいろいろあるとおっしゃいましたが、
hayataka2049さんならどのように切り分けますか？
自分が考えた範囲では、OpenCVでやろうと試みましたが、
まだ、解決策が見出すことができません。

[hayataka2049]

私に聞かれても答えられないので、既存研究をあたってみてください