###### tags: `面談`
# 211207_面談本田

### 進捗
- 標準化の中身について
- 皮膚変化特徴量を色・テクスチャに分けて実験
-

---
## 標準化の中身について
実装しているコード↓

from sklearn.preprocessing import StandardScaler
# 標準化クラス生成
std_model = StandardScaler()
#訓練用のデータを用いて変換式を求める
train_StandardScaler = std_model.fit(X_train)
#訓練データの標準化
X_train = std_model.transform(X_train)
#訓練用データを基にテストデータを標準化
X_test = std_model.transform(X_test)

【何をしているか】
訓練データにfitを行うことで，上式により変換式を求める
transformにより訓練データの変換式を使い，訓練データを標準化
transformにより訓練データの変換式を使い，テストデータを標準化

## 皮膚変化特徴量 を 色変化特徴量，テクスチャ変化特徴量を分けて実験

> ### 皮膚変化特徴量
> それぞれの患者の重症度0の画像の初日の画像と
> 別日の画像の色特徴・テクスチャ特徴の差分を取り，
> 皮膚変化特徴量とする．
>
> 現在用いている特徴量：72個
> - 色特徴：57個
> - 各RGB：平均・中央値・標準偏差・最頻値・歪度・尖度
> - 各HSV：↑と同じ
> - 各YCbCr：↑と同じ
> - 他のチャンネルに対するRの大きさ
> - R/G
> - R/B
> - R/(R+G+B)
>
> - テクスチャ特徴：15個
> - 各RGB：エントロピー・コントラスト・相関・エネルギー・均一性
>

---
### 実験

| 【色補正無し】 | | 正解率 | 再現率 | 特異率 | 適合率 | F値 |
|-------------------------|-----|----------|----------|----------|----------|----------|
| 色 | SVM | 0.541199 | 0.544118 | 0.538168 | 0.550186 | 0.547135 |
| | RF | **0.617978** | 0.612132 | **0.624046** | **0.628302** | **0.620112** |
| テクスチャ | SVM | 0.53995 | 0.520833 | 0.559796 | 0.551232 | 0.535602 |
| | RF | 0.598002 | 0.591912 | 0.604326 | 0.608312 | 0.6 |
| Color**変化** | SVM | 0.513733 | 0.489583 | 0.538804 | 0.524278 | 0.506337 |
| | RF | 0.589263 | 0.596814 | 0.581425 | 0.596814 | 0.596814 |
| Tex**変化** | SVM | 0.522204 | 0.497899 | 0.547437 | 0.533183 | 0.514938 |
| | RF | 0.590155 | 0.608193 | 0.571429 | 0.595679 | 0.601871 |
| **変化**（Color＋Tex） | SVM | 0.514981 | 0.494118 | 0.536641 | 0.52541 | 0.509284 |
| | RF | 0.6 | 0.604412 | 0.59542 | 0.607988 | 0.606195 |
| 色＋テクスチャ | SVM | 0.537453 | 0.520221 | 0.555344 | 0.54845 | 0.533962 |
| | RF | 0.610487 | 0.602941 | 0.618321 | 0.621212 | 0.61194 |
| 色＋テクスチャ＋Color**変化** | SVM | 0.51662 | 0.511949 | 0.521469 | 0.526216 | 0.518984 |
| | RF | 0.591994 | 0.601103 | 0.582538 | 0.599175 | 0.600138 |
| 色＋テクスチャ＋Tex**変化** | SVM | 0.511236 | 0.502042 | 0.52078 | 0.520983 | 0.511338 |
| | RF | 0.598419 | 0.601716 | 0.594996 | 0.606672 | 0.604184 |
| 色＋テクスチャ＋**変化** | SVM | 0.56367 | **0.621324** | 0.503817 | 0.565217 | 0.591944 |
| | RF | 0.589888 | 0.584559 | 0.59542 | 0.6 | 0.592179 |

| 【色補正有り】 | | 正解率 | 再現率 | 特異率 | 適合率 | F値 |
|-------------------------|-----|----------|----------|----------|----------|----------|
| 色 | SVM | 0.509363 | 0.474265 | 0.545802 | 0.520161 | 0.496154 |
| | RF | 0.586142 | 0.579044 | 0.593511 | 0.596591 | 0.587687 |
| テクスチャ | SVM | 0.549938 | 0.519608 | 0.581425 | 0.563081 | 0.540472 |
| | RF | 0.606117 | 0.613971 | 0.597964 | 0.613219 | 0.613595 |
| Color**変化** | SVM | 0.499064 | 0.46201 | 0.537532 | 0.509115 | 0.48442 |
| | RF | 0.55774 | 0.547181 | 0.568702 | 0.568428 | 0.557602 |
| Tex**変化** | SVM | 0.488497 | 0.441176 | 0.537623 | 0.49763 | 0.467706 |
| | RF | 0.549492 | 0.529937 | 0.569793 | 0.561179 | 0.545111 |
| **変化**（色＋テクスチャ） | SVM | 0.501124 | 0.444853 | 0.559542 | 0.511844 | 0.476003 |
| | RF | 0.575281 | 0.578676 | 0.571756 | 0.583828 | 0.581241 |
| 色＋テクスチャ | SVM | 0.53324 | 0.46875 | 0.600191 | 0.548977 | 0.505702 |
| | RF | **0.615637** | 0.623162 | **0.607824** | **0.62259** | 0.622876 |
| 色＋テクスチャ＋Color**変化** | SVM | 0.500702 | 0.471048 | 0.531489 | 0.510713 | 0.490079 |
| | RF | 0.553371 | 0.532169 | 0.575382 | 0.56543 | 0.548295 |
| 色＋テクスチャ＋Tex**変化** | SVM | 0.495422 | 0.457108 | 0.535199 | 0.505192 | 0.479949 |
| | RF | 0.559925 | 0.54085 | 0.579729 | 0.571922 | 0.555952 |
| 色＋テクスチャ＋**変化** | SVM | 0.582397 | **0.705882** | 0.454198 | 0.573134 | **0.632619** |
| | RF | 0.597378 | 0.591912 | 0.603053 | 0.607547 | 0.599628 |

---
### 考察

・「Color変化のみ」「Tex変化のみ」の特徴量では，値が低く，「Color変化＋Tex変化」でも「色特徴のみ」「テクスチャ特徴のみ」での値よりも低くなった．そのため，色特徴やテクスチャ特徴よりも有効性の薄い特徴量になってしまっていると考える
・「色＋テクスチャ特徴」に「Color変化」や「Tex変化」が単体で加わることで，精度が落ちている．
・色補正有り： 「色＋テクスチャ」と「色＋テクスチャ＋皮膚変化」が良い数字が出ている．

・参考：中間の結果

## 今後の課題
- 特徴量の見直し
- 特徴量選択を実行してみる
- 精度向上

<br>

<br>

<br>

<br>

<br>