teratail header banner
teratail header banner
質問するログイン新規登録

回答編集履歴

3

一部修正

2021/02/25 11:39

投稿

toast-uz
toast-uz

スコア3266

answer CHANGED
@@ -11,4 +11,4 @@
11
11
  va_x = va_x.reshape(-1,28,28,1)
12
12
  ```
13
13
 
14
- Kaggleの場合、学習データとテストデータを最初に`pd.cocat`してから一気に前処理して、その後、学習データ・検証データ・テストデータに分離するのが、私としてはオススメです。欠損値の補完などがより多くのデータをもとにできますので。
14
+ Kaggleの場合、学習データとテストデータを最初に`pd.cocat`してから一気に前処理して、その後、学習データ・検証データ・テストデータに分離するのが、私としてはオススメです。前処理のし忘れを防止できますし、欠損値の補完などがより多くのデータをもとにできますので。

2

補足追記

2021/02/25 11:39

投稿

toast-uz
toast-uz

スコア3266

answer CHANGED
@@ -1,3 +1,14 @@
1
1
  学習データや検証データに適用している前処理(正規化や次元変換)を、テストデータに適用し忘れています。
2
2
 
3
+ 以下の部分ですね。エラーの直接原因は次元変換の方です。
4
+
5
+ ```Python
6
+ #画像のピクセル値を正規化
7
+ tr_x,va_x = np.array(tr_x/255.0),np.array(va_x/255.0)
8
+
9
+ #画像データの2階テンソルを3階テンソルに変換
10
+ tr_x = tr_x.reshape(-1,28,28,1)
11
+ va_x = va_x.reshape(-1,28,28,1)
12
+ ```
13
+
3
- Kaggleの場合、学習データとテストデータを最初に`pd.cocat`してから一気に前処理して、その後、学習データ・検証データ・テストデータに分離するのが、私としてはオススメです。
14
+ Kaggleの場合、学習データとテストデータを最初に`pd.cocat`してから一気に前処理して、その後、学習データ・検証データ・テストデータに分離するのが、私としてはオススメです。欠損値の補完などが、より多くのデータをもとにできますので。

1

文法の修正

2021/02/25 11:38

投稿

toast-uz
toast-uz

スコア3266

answer CHANGED
@@ -1,3 +1,3 @@
1
1
  学習データや検証データに適用している前処理(正規化や次元変換)を、テストデータに適用し忘れています。
2
2
 
3
- Kaggleの場合、学習データとテストデータを最初に'pd.cocat'してから一気に前処理して、その後、学習データ・検証データ・テストデータに分離するのが、私としてはオススメです。
3
+ Kaggleの場合、学習データとテストデータを最初に`pd.cocat`してから一気に前処理して、その後、学習データ・検証データ・テストデータに分離するのが、私としてはオススメです。