マシンラーニングにおけるワンホットエンコーディングとは？
📂機械学習マシンラーニングにおけるワンホットエンコーディングとは？
定義
集合X⊂Rnの部分集合Xiが次を満たすとしよう。
X=X1∪⋯∪XNandXi∩Xj=∅(i=j)
β={e1,…,eN}をRNの標準基底と言おう。そうすると、次の関数、またはx∈Xをマッピングするそれ自体を**ワンホットエンコーディング**と言う。
f:Xx→β↦ei if x∈Xi
説明
機械学習でデータにラベルを付けるときによく使われる方法だ。特定の一つの成分にだけ0非ゼロの値があるため、ワンホットと呼ばれる。このようにマッピングする理由は、データのラベルを量的変数ではなく質的変数として扱うためである。例えば、服の写真に[1]をラベルとして、靴の写真に[2]をラベルとして付けるとする。実際には２つの写真の間に2倍という意味はないにも関わらず、そのような意味がラベルで表される。また、予測値が[5]であれば、それを[1]よりは[2]に近いと言うべきか、予測を失敗したと言うべきかあいまいになる。だから、代わりに[10]、[01]のようなラベルを使って、意図しない意味が付与されないようにし、意図した範囲内でのみ値を得るようにする。したがって、N=∣β∣はデータを分類したいクラスの数を表す。
例えば、MNIST データをワンホットエンコーディングすることは次のようになる。
,
,
,
,
,⋯↦e1=[100⋯0]T
,
,
,
,
,⋯↦e2=[010⋯0]T
,
,
,
,,⋯↦e3=[001⋯0]T
⋮
,
,
,
,
,⋯↦e10=[000⋯1]T
関連項目
