質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.10%

Pythonによるデータセットのテストデータの作成方法

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 126

maguro2020

score 11

前提・実現したいこと

Pythonと自分で作成したデータセットを用いて、metric learningによる異常検知を行いたいと考えております。

発生している問題・検討していること

オリジナルの画像からデータセットを作成する方法
上記のサイト様を参考にmnistデータのようなデータセットを作成しております。サイト様のおかげでなんとか自力でトレーニングデータの作成を行うことができたのですが、トレーニングデータと一緒にテストデータ(x_test,y_test)を作成したいと思い、調査を行っているのですが、いまだにわかっていない状況です。

コード

import matplotlib.pyplot as plt
import os
import cv2
import random
import numpy as np

DATADIR = "/Users/user name/desktop/Mydataset/png"
CATEGORIES = ["bell", "call"]
training_data = []
def create_training_data():
    for class_num, category in enumerate(CATEGORIES):
        path = os.path.join(DATADIR, category)
        for image_name in os.listdir(path):
            try:
                img_array = cv2.imread(os.path.join(path, image_name),)  # 画像読み込み
                img_resize_array = cv2.resize(img_array, (394, 248))  # 画像のリサイズ
                training_data.append([img_resize_array, class_num])  # 画像データ、ラベル情報を追加
            except Exception as e:
                pass
create_training_data()
random.shuffle(training_data)  # データをシャッフル
X_train = []  # 画像データ
y_train = []  # ラベル情報
# データセット作成
for feature, label in training_data:
    X_train.append(feature)
    y_train.append(label)
# numpy配列に変換
X_train = np.array(X_train)
y_train = np.array(y_train)

# データセットの確認
for i in range(0, 4):
    print("学習データのラベル:", y_train[i])
    plt.subplot(2, 2, i+1)
    plt.axis('off')
    plt.title(label = 'bell' if y_train[i] == 0 else 'call')
    img_array = cv2.cvtColor(X_train[i], cv2.COLOR_BGR2RGB)
    plt.imshow(img_array)
plt.show()

試していること

自前のデータセットの作成方法について
Webデータレポート 生活音を機械学習してみた
上記のサイト様を参考にテストデータを作成できないかと思い、ただいま調査を行っております。しかし、どのようなコードをかけば良いのか分からない状況です。現在の作業ディレクトリのpngフォルダのなかにbellフォルダとcallフォルダがあるのですが、これとは別にbell_testフォルダ、call_testフォルダ(図1)が必要となるのかもわかっていない状況です。図々しいとは思いますが、何かアドバイスをいただけたらと思います。

作業の様子(図1)
pngフォルダ(作業ディレクトリ)

├bellフォルダ
│  └b1.png,b2.png…   

└callフォルダ
. └c1.png,c2.png…

補足

使っているPCはmacOS Catalina バージョン10.15.5
Pythonのバージョンは3.6.5です

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • aokikenichi

    2020/06/30 12:49

    学習データとテストデータが必要なだけでフォルダなどちらでも構わないと思いますが。
    通常は学習データを一定の割合で分けて、例えば
    学習データ 7
    テストデータ 3
    の比率と分ける等となるかと思いますが、こういった内容のご質問でしょうか。

    キャンセル

  • maguro2020

    2020/06/30 12:57

    ご回答いただきありがとうございます。aokikenichi様。
    自分の知識不足のせいでわかりづらい質問となってしまい申し訳ありません。aokikenichi様のおっしゃる通りでございます。ただ分けるにはどういうコードを書けばいいのか、もしくはコードを全て書き直す必要があるのか、わからない状況となっております。

    キャンセル

  • meg_

    2020/06/30 14:15 編集

    ファイル名一覧を取得して、そこからランダムに訓練用とテスト用に分けて、テスト用の分をフォルダ移動すれば良いかと思います。

    具体的なフォルダ構成については機械学習のコードによって変わるかと思います。

    キャンセル

  • maguro2020

    2020/07/05 20:56

    ご回答いただきありがとうございます。meg様。
    ご連絡が大変遅くなってしまい誠に申し訳ありませんでした。meg様のアドバイスを元に自分のコードを改良したいと思います。

    キャンセル

回答 1

checkベストアンサー

+1

追記・修正の依頼案でのご提案の方法でもよいですが教師データの比率が等しくなるようにするのが
基本的な考え方なので

機械学習 トレーニングデータの分割と学習・予測・検証

など参考になさってください。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/07/05 20:57

    ご回答いただきありがとうございます。aokikenichi様。
    上記のサイト様を参考にもう少し自分のコードを改良したいと思います。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.10%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる