ベクトル化

とは

データをベクトルの形式に変換することを指す

なぜ必要か？

ユースケース

ベクトル化してみた

自然言語

ベクトル化されたデータを出力

code:script.py

import numpy as np

from sklearn.feature_extraction.text import CountVectorizer

# テキストデータ

# CountVectorizerを使用して、単語をベクトル化

vectorizer = CountVectorizer()

vectorizer.fit_transform(texts)

# ベクトルの出力

print(vectorizer.vocabulary_)

# {'this': 6, 'is': 2, 'pen': 4, 'that': 5, 'an': 0, 'apple': 1, 'like': 3}

画像ファイル

Imageモジュールのopen関数で画像を読み込む

numpyのarray関数でnumpy配列に変換

flatten関数で1次元のベクトルに変換

1次元のベクトルとして、画像のピクセル値が並んで出力される。各要素は0~255の整数値で、それぞれが画像の一つのピクセルの値を表す

code:script.py

import numpy as np

from PIL import Image

# 画像ファイル

image = Image.open('example.jpg')

# 画像をnumpy配列に変換

image_array = np.asarray(image)

# 画像をFlattenして、ベクトル化

vector = image_array.flatten()

# ベクトルの出力

print(vector)

#

ECにおける商品やユーザーの特徴

商品の特徴量を配列で準備

code:script.py

import numpy as np

from sklearn.preprocessing import OneHotEncoder

# 商品の特徴量

# OneHotEncoderを使用して、商品の特徴量をベクトル化

enc = OneHotEncoder()

enc.fit(product_features)

# ベクトルの出力