タスク入力
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2021/12/04 14:44 UTC 版)
特徴量はタスクとその学習への入力として利用できる（feature-based approach）。これは特徴抽出とタスクを分離できるからである。 利点として異なるデータセットを利用した特徴量とタスクの学習が可能な点が挙げられる。例えば物体識別タスクにはラベル付きデータが必要であり（教師あり学習）、データ収集には手間がかかる。一方、画像の表現学習にはラベル無し写真を用いる手法（教師なし学習・自己教師あり学習）があり、こちらは少ない労力で大量のデータが収集できる。ゆえに大量のデータによる表現学習で優れた特徴量を得て、優れた特徴量とラベルを用いて少データでのタスク学習を行うことで、優れた識別器を得られる。
※この「タスク入力」の解説は、「特徴量」の解説の一部です。
「タスク入力」を含む「特徴量」の記事については、「特徴量」の概要を参照ください。
ウィキペディア小見出し辞書の「タスク入力」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。
お問い合わせ。
- タスク入力のページへのリンク
