Q&A
目的変数が行列（サイズは？）になるとして、説明変数は何ですか？
前提・実現したいこと
Pythonで機械学習の勉強を始めて1か月です。
複数の波形を数値化したCSVファイルがあります。
その複数の波形パターンが一つの事象を示します。
つまり一つのCSVファイルが一つの事象を表しています。
一つの列が一つの波形、行が時間経過を示しています。
このファイルが大量にあります。
これを機械学習にかけて波形から事象を予測する分類モデルを作成したいのです。
irisとかTitanicなどの練習データでは1行のデータにそれぞれ正解がついていて、
それを機械学習にかけるモデルはみられるのですが、
今回の様に行列全体を一つの正解として扱いたい場合にはどのようにすればよいのでしょうか。
考えられるのは、
A. 行列を1次元に変換する
B. 全てのファイルを統合し三次元のndarrayとして処理する
ですが、それが可能か、可能としてもどうやって大量のCSVを統合すればよいのかわかりません。
同様の処理をわかりやすく説明しているサイト、書籍などあれば教えていただけませんでしょうか。
お返事ありがとうございます。
目的変数は10*1000程度の行列、説明変数は5種類くらいのカテゴリデータです。
全部で300個ほどCSVファイルがあります。
確認したいのですが
「これを機械学習にかけて波形から事象を予測する分類モデルを作成したい」のであれば
複数のCSVファイルによって構築される波形データの行列が説明変数に対応すると思うのですが，そうではないのでしょうか？
お返事ありがとうございます。
説明がわかりにくくてすみません。おっしゃる通りだと思います。
例えばmnistを用いた手書きの数字の自動認識では、目的変数は濃淡を数字化した二次元の行列、説明変数は0-9の数字になると思います。
今回のタスクでも同様に、二次元の行列をカテゴリーデータに分類したいのです。
波形を統合して新たな波形を構築することなどは考えていません。
私が勉強したmnistのモデルではこの行列をpandasで一次元化して処理していたのですが、他の方法がないか考えているところです。
回答1件
0
ベストアンサー
MNISTを例に挙げるのであれば，画像を２次元の行列のまま処理する手法として，畳み込みニューラルネットワークが挙げられます。
一方で，arumakanさんの扱うデータは時系列データであるようですので，２次元の行列を入力としたいという目的の背景には，一定の時間幅を持った波形データの行列で分類を行いたいというモチベーションがあるのだと推察します。
その場合は，LSTMやGRUといったリカレントニューラルネットワークを用いた分類器を作成することがおすすめです。
多変量LSTMについて紹介している以下のようなサイトを参考にしてみてはいかがでしょうか？
https://qiita.com/tizuo/items/b9af70e8cdc7fb69397f
リカレントニューラルネットワークについて解説している書籍としては以下のものがありますが，多変量LSTMについては扱っていなかったように記憶しています。
「詳解ディープラーニング TensorFlow/Keras・Pytorchによる時系列データ処理」
投稿2020/03/23 23:10
編集2020/03/23 23:14総合スコア49
とてもご丁寧にお返事くださりありがとうございます。
CNN/RNNどちらも比較しながらやってみようと思います。
参考になる資料もご案内くださりありがとうございます。
あなたの回答
tips
プレビュー
