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

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注