我在训练集中有 1500 多张黑白分类图像，我想创建一个概率模型来分类新图像。更明确地说，给定一个新的黑白图像，我的模型必须预测：

animal: 84%
vegetal: 12%
mineral: 4%

我看了这个讲座，我仍然对创建这个模型的过程有疑问。

1. 提取每张图像的关键点

如果我正确理解了视频，第一步是使用 SIFT 从所有图像中提取所有关键点，以创建一种视觉词词典。每个单词都由一个多维向量描述。
接下来，我必须使用$k$- 表示创建视觉词组的方法。

问题 1：我应该创建多少个组？是否存在一个经验法则来确定$k$我必须使用的号码？

2. 直方图的创建

现在，对于每个图像，我必须创建一个直方图/一个向量，其中每个特征对应于第 1 部分中定义的一组。与每个特征关联的值对应于图像中单词的频率。

问题 2：如何创建这个向量？事实上，每张图片都是独一无二的，永远不会与我字典中的单词完美匹配（顺便说一下，这些单词是不同单词的意思）。谁可以绕过这个问题？

3. 模型的创建

最后，我必须创建我的模型。在视频中，讲师使用了 SVM，并且必须按类别创建一个分类器（二元分类器）。就我而言，我有 100 个不同的类别（我的介绍是一种简化），我更喜欢只有一个分类器。另外，我想获得给定图像的概率成为类别的一部分。

问题 3：是否可以只创建一个提供概率数据的分类器？

最后，如果您知道对我的数据进行分类的更好方法，请不要犹豫，对我描述的过程提出建议或更正。