質問編集履歴
2
補足質問の追加
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -43,3 +43,37 @@
|
|
|
43
43
|
|
|
44
44
|
|
|
45
45
|
よろしくお願いいたします。
|
|
46
|
+
|
|
47
|
+
|
|
48
|
+
|
|
49
|
+
#補足
|
|
50
|
+
|
|
51
|
+
10001番目と考えたのは、KojiDoiさんがおっしゃるように、「画像の機械学習の結果」を新しい特徴量として、試しに簡単な機械学習（ロジスティック回帰、SVM）を行ってみた場合、大幅に性能が低下した経験があるためです。（最初の質問にかけばよかったですね、すいません。）
|
|
52
|
+
|
|
53
|
+
|
|
54
|
+
|
|
55
|
+
この原因として、今回の例だと、
|
|
56
|
+
|
|
57
|
+
「画像の機械学習の結果」と、
|
|
58
|
+
|
|
59
|
+
「「撮影時間」、「撮影場所」等の特徴量（画像以外）からの学習結果」
|
|
60
|
+
|
|
61
|
+
であれば等価であり、これらの結果からアンサンブル学習を行えば良いのかなと思いましたが、
|
|
62
|
+
|
|
63
|
+
「画像の機械学習の結果」と「撮影時間」、「撮影場所」では、
|
|
64
|
+
|
|
65
|
+
重みが違いすぎてうまくいかないのかなと考えました。
|
|
66
|
+
|
|
67
|
+
もちろん、試しに追加した特徴量が悪かった可能性もありますが、
|
|
68
|
+
|
|
69
|
+
このケースの「撮影時間」や「撮影場所」のように意味はありそうな特徴量です。
|
|
70
|
+
|
|
71
|
+
|
|
72
|
+
|
|
73
|
+
なお、今回質問したいケースとしては、追加の特徴量（「撮影時間」「撮影時間」等）だけでは、
|
|
74
|
+
|
|
75
|
+
予測精度が出ないため、
|
|
76
|
+
|
|
77
|
+
「「撮影時間」、「撮影場所」等の特徴量（画像以外）からの学習結果」
|
|
78
|
+
|
|
79
|
+
は役に立たないけど、一つ一つの特徴量は有効だと考えられる場合です。
|
1
タグの追加、初心者アイコンの追加
test
CHANGED
|
File without changes
|
test
CHANGED
|
File without changes
|