研究進捗
・グリッドサーチをしてハイパーパラメータの選定を行った
→ロジスティック回帰でモデル改善(C=0.1,random_state=0)
→SVMでもモデル改善(C=0.1,decision_shape=ovo,kernel=linear,random_state=0)
先週まではaccuracyだけで比べていた。
・グリッドサーチをしてハイパーパラメータの選定を行った
→ロジスティック回帰でモデル改善(C=0.1,random_state=0)
→SVMでもモデル改善(C=0.1,decision_shape=ovo,kernel=linear,random_state=0)
先週まではaccuracyだけで比べていた。
・Track-Anythingを用いてマスク画像を生成した
・マスク画像に対応したデータ形式に変換した
・学習自体はできたが、メッシュは上手く抽出できなかった
→おそらくモデルが悪いか、データセットが難しすぎるか
NeuS: Learning Neural Implicit Surfaces by Volume Rendering for Multi-view Reconstruction(マスク画像を用いた損失関数などが記述されている論文)
データ97個
・SVM
テストデータ20%、ランダムステイト42:テストデータ精度85%、訓練データ精度88.31%
・ロジスティック回帰
テストデータ20%、ランダムステイト42:テストデータ精度85%、訓練データ精度88.31%
訓練データ100%:訓練データ精度79.31%
・SVMとロジスティック回帰で精度が全く同じなのはなぜなのか
・random_stateを変えると訓練データ精度が多少変わる
・データ収集完了
・エクセルファイルからデータを取り込み(その2)、学習させるまでを勉強中
まだ何も理解できていないが、とりあえずチャットGPTに書かせたSVMモデルを使用して分類する方法では85%の精度だった。
I am learning .NET MAUI and want to design a cross-platform AI assistant.