我正在做一个机器学习项目，图像分类（形状：100 x 100）->（向量 10000），我在应用决策树算法之前做了一些预处理，我得到了 55% 的准确率我试图改变参数但准确性没有增加，有人可以建议在预处理中做些什么，例如我所做的：
- 去噪图像：图像噪声非常大，所以我只在每张图像中保留相关信息。（效果很好）
- 居中图像：我将所有图像的相关值翻译到左上角，以将相关信息保留在我的向量的同一部分
- 调整图像大小：我将每个图像的大小调整为 (40,40) -> (1600 vector) 以使输入更小
谢谢
图像分类前的数据预处理
数据挖掘
机器学习
分类
决策树
特征工程
预处理
2022-02-09 06:38:06
2个回答
为什么您确信问题出在预处理中？它可能位于许多其他位置，也可能是您流程中的多个步骤。
如果我是你，我会重新审视你为什么使用决策树。图像处理还有许多其他方法，在大多数情况下，神经网络远远优于决策树。
如果你只关注预处理，你应该尝试不同的技术image augmentation，包括标准化、旋转、翻转、移位和剪切等。这里有两个很好的链接：
https://machinelearningmastery.com/image-augmentation-deep-learning-keras/
这些技术可以显着提高准确性。
此外，您可能会丢失一些从 100x100 转换为 40x40 的信息。尝试使用原始大小，您可能会获得更好的准确性（尽管计算量会更大）。
其它你可能感兴趣的问题