KnownTaskType enum

機械学習と統計の分類は、コンピューター プログラムがそれに与えられたデータから学習し、新しい観察または分類を行う教師あり学習アプローチです。

予測は、時系列データを処理し、入力に基づいて近い将来の値を予測するために使用できる予測モデルを作成する特別な種類の回帰タスクです。

画像分類。 複数クラスの画像分類は、画像がクラスのセットから 1 つのラベルのみで分類される場合に使用されます。たとえば、各画像は 、"cat" または "dog" または "duck" の画像として分類されます。

画像分類マルチラベル。 複数ラベルの画像分類は、画像が一連のラベルから 1 つ以上のラベルを持つことができる場合に使用されます。たとえば、画像に "cat" と "dog" の両方でラベルを付けることができます。

イメージ インスタンスのセグメント化。 インスタンスのセグメント化は、イメージ内のオブジェクトをピクセル レベルで識別し、画像内の各オブジェクトの周囲に多角形を描画するために使用されます。

画像オブジェクトの検出。 物体検出は、画像内の物体を識別し、境界ボックスを持つ各オブジェクトを見つけるために使用されます。たとえば、画像内のすべての犬や猫を見つけて、それぞれの周りに境界ボックスを描画します。

回帰とは、入力データを使用して値を予測することを意味します。 回帰モデルは、連続値を予測するために使用されます。

テキスト分類 (テキストタグ付けまたはテキスト分類とも呼ばれます) は、テキストをカテゴリに並べ替えるプロセスです。 カテゴリは相互に排他的です。

複数ラベル分類タスクは、各サンプルをターゲット ラベルのグループ (0 個以上) に割り当てます。

Text Named Entity Recognition a.k.a. TextNER. 名前付きエンティティ認識 (NER) は、自由形式のテキストを取得し、人、場所、組織などのエンティティの発生を識別する機能です。