是否可以在少量样本上使用深度学习,但每个样本都有大量数据?

数据挖掘 机器学习 深度学习
2021-09-21 18:55:48

我有大约 50 个科目,每个科目都有数周的时间序列数据。任务是确定受试者是否具有特定条件。我们一直在跨时间序列的 30 秒窗口中运行小波变换,然后跨光谱带分组进行汇总,以获得对象 x 光谱带 (50x6) 的数据矩阵。尽管这种方法在检测病情方面做得相当好,但我担心这可能会洗掉重要的时间信息。

是否可以将小波变换用作图像并通过卷积网络馈送?

澄清一下,有 50 个受试者,每个受试者的数据间隔约为 350 个 30 秒。小波以每 30 秒的间隔运行,每个对象产生 350 个小波变换。小波变换(以前)被总结为每个光谱带的功率,但是,我想将每个小波变换用作图像,因此每个主题现在将有大约 350 个图像。

1个回答

您目前有一个 50x6 的数据库。

当您对图像进行深度学习练习时,您会遇到n (images) x (width(px) x height(px) x 3)变量。

当您使用小波变换时,您具有类似特征的数据集,因此这是可能的。您必须非常谨慎,因为您将拥有比 n 更多的变量,因此过度拟合的危险增加了很多。