回答編集履歴
3
一部修正
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
|
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
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
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
|
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。
|