减少大数据集中的像素（sklearn）

Question

我目前正在从事一个分类项目，但我不确定应该如何开始。

目标

将大小为 80*80（即 6400 像素）的图片准确分类到正确的类别（二进制）中。

设置

5260 个训练样本，600 个测试样本

问题

由于像素多于样本，在我开始制定分类方法（如 SVM、KNN 等）之前，“丢弃”大部分像素并只查看重要的像素似乎是合乎逻辑的。

假设训练数据由 X_train（预测变量）和 Y_train（结果）组成。到目前为止，我已经尝试从 sklearn 中查看 SelectKBest() 方法来进行特征提取。但是，使用这种方法并知道我实际上必须选择多少个 k 的最佳方法是什么？

也可能是我在这里完全走错了路，如果我错了，请纠正我，或者如果可能的话建议其他方法。

Answer 1

您建议减少特征空间的维度。这是一种减少过拟合的正则化方法。你没有提到过拟合是一个问题，所以我会先测试一下。以下是我会尝试的一些事情：

1. 使用迁移学习。为图像识别任务采用预训练网络，并将其微调到您的数据集。搜索迁移学习，你会发现很多资源。

2. 在数据集上训练卷积神经网络。 CNN 是图像机器学习的首选方法。检查过拟合。

3. 如果要降低数据集的维度，请调整图像大小。从 80x80 => 40x40 开始，像素数会减少 4 倍，假设您的任务不依赖于图像的精细细节，您应该保持分类性能。

您可能还需要考虑其他事项，但我需要了解更多有关您的问题及其要求的信息。