クラス不均衡
クラス不均衡とは、機械学習の分類問題において各カテゴリのデータ数に極端な偏りがある状態です。この状態のまま学習するとモデルは多数派クラスを優先し、重要な少数派クラスを見落としやすくなります。オーバーサンプリングや適切な評価指標の導入など、適切なデータ前処理や手法を選択することが精度向上の鍵となります。
データ前処理のAI用語一覧（3ページ目）
53件データ前処理に関するAI用語を53件掲載しています。意味や使い方、関連用語を一覧から確認できます。 現在は3ページ目です。
ニアレストネイバー補間
ニアレストネイバー補間（最近傍補間）は、画像やデータのサイズを変更する際、新しく生成される画素やデータポイントの値を、最も近い位置にある既存のデータからそのままコピーして補間する、最もシンプルで高速なアルゴリズムです。輪郭が崩れない利点がある一方、画像の拡大時にジャギー（階段状のぎざぎざ）が目立ちやすい特徴があります。
補完手法
AIや機械学習において、データセットに含まれる欠損値や不完全な情報を埋めるための技術全般を指します。データの正確性を高め、モデルの精度低下を防ぐために重要な前処理のプロセスとして広く利用されています。
カテゴリデータ
カテゴリデータとは、数値的な意味を持たない分類やラベルを表すデータのことです。例えば性別や血液型、都道府県名などが該当します。機械学習モデルで処理する際は、ワンホットエンコーディングやラベルエンコーディングなどの数値変換が必要となります。データ分析や機械学習において適切に前処理することが重要です。
生体ノイズ
生体ノイズとは、AIによる生体信号の解析や機械学習モデルの学習において、目的とする生体情報の抽出を妨げる不要な変動や妨害信号のことです。筋電位や呼吸、体動などが含まれ、適切な前処理を行わないと誤認識の原因になります。