Prétraitement d'une base de données (Machine Learning)
nastassia_
Messages postés
7
Statut
Membre
-
nastassia_ Messages postés 7 Statut Membre -
nastassia_ Messages postés 7 Statut Membre -
Bonjour,
Je suis en cours de développement d’un système de vision par ordinateur en utilisant matlab.
Chaque entrée (observation) de ma base donnée est une matrice de 6 colonnes et le nombre des lignes est variable.
Les 6 colonnes correspondent aux caractéristiques "features"
Malheureusement, je sais bien que ma base de données ne peut pas être exploitée directement au machine learning.
Je suis habituée à traiter des images, pas des données numériques sous formes des matrices.
Même si les images sont des matrices.
Je crois que ce n’est pas possible d’utiliser les mêmes méthodes du traitement d’images.
Est-ce que vous pouvez me proposer une idée de prétraitement de ces données ?
Je vous remercie par avance.
Je suis en cours de développement d’un système de vision par ordinateur en utilisant matlab.
Chaque entrée (observation) de ma base donnée est une matrice de 6 colonnes et le nombre des lignes est variable.
Les 6 colonnes correspondent aux caractéristiques "features"
Malheureusement, je sais bien que ma base de données ne peut pas être exploitée directement au machine learning.
Je suis habituée à traiter des images, pas des données numériques sous formes des matrices.
Même si les images sont des matrices.
Je crois que ce n’est pas possible d’utiliser les mêmes méthodes du traitement d’images.
Est-ce que vous pouvez me proposer une idée de prétraitement de ces données ?
Je vous remercie par avance.
A voir également:
- Prétraitement des données machine learning
- Fuite données maif - Guide
- Machine virtuelle windows - Guide
- Trier des données excel - Guide
- Sauvegarde des données - Guide
- Supprimer les données de navigation - Guide
Chaque entrée doit être modélisée dans un vecteur! non?
J'ai des matrices comme des entrées
En fait, je ne traite pas des images.
L'objectif de mon projet est d'appliquer l'apprentissage supervisé à l'aide de deep learning de 1500 structures cristallines.
Chaque structure cristalline est modélisée par une matrice.
Donc j'ai 1500 matrices comme entrées de dimensions variables (nombre de colonnes de chaque matrice égale à 6 or le nombre des lignes dépend du structure cristalline).
Le problème que je ne sais pas comment présenter ces matrices comme entrées au machine learning.
Faut t-il,par exemple, convertir chaque matrice en un vecteur ? et concaténer tous les vecteurs obtenus après?
Les 1500 structures constituent sa base de connaissance donc. Une fois qu'il a appris cela, tu lui donne quoi en entrée (une structure cristalline j'imagine) pour qu'il te réponde quoi en sortie ? C'est un classifieur ?
Après la phase d'apprentissage, le but final du projet est de découvrir (générer) des nouvelles structures cristallines "X" qui n'existent pas dans la base de données pour chaque "Y".
Base de données --> Apprentissage de base de donnée --> Machine learning model --> générer des nouvelles données synthétiques.