池内 の変更点

• 追加された行はこの色です。
• 削除された行はこの色です。
• 池内 へ行く。
• 池内 の差分を削除

#author("2019-11-26T14:45:13+09:00","","")
#author("2019-12-11T22:20:28+09:00","","")
* Schedule [#cf536001]
|>|>|>|>|>|CENTER:|c
|  |~Mon|~Tue|~Wed|~Thu|~Fri|h
|~1|  |   |   |   |   |
|~2|   |   |   |   |   |
|~3| ソフトウェア工学特論  |  |  | マルチメディアコミュニケーション論  | マルチメディアコミュニケーション論  |
|~4| ソフトウェア工学特論  |   |   |   |   |
|~5|   |   |   |   |   |

*memo [#l26b21e7]
-nagisa vs macab

**19/11/21 [#hb323ab0]
-厚生労働省データを35個追加(目標終了日：19/12/8)
--3個ラベル付終了(19/11/26)
**19/12/11 [#hb323ab0]
-厚生労働省データを35個追加(終了)
|>|>|>|>|>|CENTER:|c
|  |~要件数|h
|~機能適合性| 90  |
|~性能効率性| 767  |
|~互換性| 73  |
|~使用性| 276  |
|~信頼性| 306  |
|~セキュリティ| 563  |
|~保守性| 501  |
|~移植性| 214  |

**19/11/14 [#hb323ab0]
-LOOとstratifiedの両方の精度を出す
--LOOは時間がかかりすぎる
-システムごとに比較

** todo(19/10/31) [#hb323ab0]
-NFRが減ったデータセットを回して精度出す
-分類結果をみて本当にRecallが低いのか
-特性ごとのデータの件数を調べる(訓練データの何割か)

** todo [#hb323ab0]
-大東さんの研究
--2916件中NFRは1180件
--そのうち699件はNFRではなかった(NFRは481件)

** todo(19/9/3 ~) [#hb323ab0]
-照らし合わせ
-データセット見直し(2,397/3,035[行], 19/10/7)

** todo(19/7/11 ~) [#hb323ab0]
-分類！分類！分類！
-1/12分類完了(19/8/6)
-3/12分類完了(19/8/7)
-9/12分類完了(19/8/20)
-12/12分類完了(19/9/2)

** todo(19/7/4) [#hb323ab0]
-分類できるようにデータ成形

** todo(19/6/26) [#hb323ab0]
-要件文を増やすためにデータを準備(10倍目指して)
--厚生労働省以外も探す

** todo(19/6/20) [#hb323ab0]
-カテゴリ間で重複するワードを調査（2つの要件分類で共通，3つで共通，・・・全部に共通して登場）
-要件文を増やすためにデータを準備

** todo(19/6/12) [#hb323ab0]
-要件ごとにtfidf
-精度いいやつの件数減らしてまわす

** todo(19/6/4) [#hb323ab0]
-tfidfを使う
--各要件にまたがる単語を除く
--1文字のみをやひらがなを削除