その他令和8年6月23日

データ前処理（2.2.1）および深層学習による目標検出アルゴリズム（再掲）

掲載日

令和8年6月23日

号種

政府調達

原文ページ

p.21

確認

出典：官報発行サイト（内閣府）の掲載情報をもとに整理しています。重要な確認は公式原文を基準にしてください。

本文と原文の対照

まず左側の本文を読み、必要な箇所だけ原文ページで確認できる構成です。

原文対照の表示オプション

テキスト位置ガイドを表示非公開領域をマスクする

令和8年6月23日|p.21|原文を見る

左の本文を選ぶと、右側の官報原文画像で該当箇所を照合できます。

公式原文あり本文テキスト画像照合可誤りを報告

### 2.2.1.1 数据清洗

数据清洗是数据预处理的重要环节，主要目的是去除数据中的噪声和异常值，提高数据质量。常见的数据清洗方法包括缺失值处理、重复值删除和异常值检测等。

- 缺失值处理：对于缺失的数据，可以采用删除、填充或插值等方法进行处理。

- 重复值删除：检查并删除数据集中的重复记录，避免对模型训练产生干扰。

- 异常值检测：通过统计方法或可视化手段识别并处理数据中的异常值。

### 2.2.1.2 特征选择

特征选择是从原始特征中选择出对模型预测最有用的特征子集的过程。有效的特征选择可以减少模型的复杂度，提高模型的泛化能力。常用的特征选择方法包括过滤法、包装法和嵌入法等。

### 2.2.1.3 数据标准化

数据标准化是将不同量纲的特征转换到同一尺度上的过程。常见的标准化方法包括Z-score标准化和Min-Max标准化。标准化可以加速模型的收敛速度，提高模型的性能。

読み込み中...

テキスト領域

選択中

非公開 (PII)

関連する新着公告を見逃さないために

Pro プランでは会社名・機関名・キーワードを監視条件として保存し、新着掲載を継続確認できます。14日間無料で試せます。