지난번 은 너무 깔끔했기 때문에 다른 방법을 시도한다.

Deep Learning을 사용해보세요

scikit-learn에서 Deep Learning도 할 수 있다는 것으로 넣어보기로 한다

htps : // 이 m / shishimizu / ms / 3c0b8713 A 26 예 10b689
htps : // / l hr thm. 조호.んふぉ/마치네-ぇあrニンg/pyてんーsしきtーぇあrんーねうらlー

다음에 이미지에 대해서도 정규화하고 나서 차분을 취하도록 해 본다.
MLP에 대해서는 우선 디폴트 그대로 시험한다.

정규화

np_feature = np_feature.astype(np.float64)
np_feature =np_feature / np_feature.max()

※이것으로 맞는지 어떤지 모르기 때문에 적당한 실장.

MLP

# デフォルトで実施してみる
model_MLP = MLPClassifier()
model_MLP.fit(predictor_var, response_var)

※하이퍼 파라미터를 설정하고 싶지만 가득 있어도 모르겠다.
h tps : // sp. 코 m / 네우라 l - 네와 rk - 파라 r /

실시 결과

우선 해 보면, ALL 0이 아닌 결과에.
그래서 이것도 투고해 본다.



0이 아니었다!
그러나 0이 아닌 것만으로 거의 빌리 같은 것이다.

OpenCV를 사용하여 물을 늘려 보자.

설치

회전/반전

feature = data.imread(file)
feature = cv2.flip(feature, flip_no)

회전에 대해서는 코드를 쓰는 것이 어색했기 때문에 Ralpha로 가공
htps : // 푹신한 st. 와 tch. 예 mp rs. 이. jp / ぃ b et ry / 그 f와 ぁ れ / 라 lp는 / 도 w 응 아 d_11000. HTML

에서이 물 증가. 전체를 늘리는 것이 아니라, Positive의 데이터에 대해서만 실시.
라고 하는 것도 문득 Posi와 Nega의 건수의 차이가 너무 큰 탓인 것은 아닌가? 라는 생각이 들었으니까.

실시 결과

상당히 늘었다.
물 증가 방법은 비교적 있을지도 모른다.
좀 더 뭔가를 늘려 Posi와 Nega의 비율을 반반에 가깝게하고 싶다.
※회전, 반전으로 드디어 24480장. negative와 비교해 겨우 1할이라고 하는 곳.

혹시 LANDSAT의 데이터를 흑백으로 하면 Train으로 사용할 수 있을까?