如何为图像集准备训练集?以便我可以预测我的测试数据

我已经提取了所有特征,大约15个特征,用于医学图像,现在我需要将它们分类为正常(0)或异常(1)。我该如何为这些图像准备训练数据?我尝试使用测试数据的地面真实值进行测试,这样做正确吗?


回答:

如果你使用神经网络(更具体地说是卷积神经网络),像素本身就是特征,所以准备工作(预处理)仅与以下方面有关:

  • 分辨率降低
  • 从原始训练集创建人造数据(对原始数据添加一些失真、反射和变化)
  • 归一化(使均值接近0且方差低),例如,如果你的数据是单通道深度(灰度)范围从0到255,你可以这样做:data = (data – Mean(data))/255

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注