我正在使用 CNN 进行二元分类,数据不平衡,其中正医学图像:负医学图像 = 0.4:0.6。所以我想在训练前使用SMOTE对正医学图像数据进行过采样。
但是,数据的维度是 4D (761,64,64,3),这会导致错误
Found array with dim 4. Estimator expected <= 2
所以,我重塑了我的 train_data:
X_res, y_res = smote.fit_sample(X_train.reshape(X_train.shape[0], -1), y_train.ravel())
而且效果很好。在将其输入 CNN 之前,我通过以下方式将其重塑:
X_res = X_res.reshape(X_res.shape[0], 64, 64, 3)
现在,我不确定这是否是过采样的正确方法,并且重塑运算符是否会更改图像的结构?
我有类似的问题。我使用了重塑功能来重塑图像(基本上使图像变平)
X_train.shape
(8000, 250, 250, 3)
ReX_train = X_train.reshape(8000, 250 * 250 * 3)
ReX_train.shape
(8000, 187500)
smt = SMOTE()
Xs_train, ys_train = smt.fit_sample(ReX_train, y_train)
虽然这种方法速度慢得可怜,但有助于提高性能。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)