Deep learning 在进行深度学习时，我可以使用不同来源的数据集吗

简单地说，我想利用胸部X光图像检测患者是否患有肺癌

我在这里面临的问题是： 我有来自3个不同来源的3个数据集，其中3个主题都是胸部X光图像，假设所有其他医学特性也相同。 第一个数据集包含130张正常和癌症诊断患者的图像。 第二个数据集包含40幅正常患者的图像 第三个数据集包含120张癌症患者的图像

因此，我想结合来自3个不同来源的3个数据集来训练和评估我的模型。 我打算混合和洗牌所有数据，然后开始分裂成训练，验证，测试集。可以吗

---

还有什么我应该注意的吗？

据我所知，通常混合数据集不是一件好事，尤其是当数据集彼此不太相似时。然而，在你的案例中，你说所有这些都是人类肺部的X光图像。我们希望所有的图像都非常相似，所以混合它们不会对性能造成不良影响，但我想这是一种好的方式

在深度学习领域，拥有大量数据总是一件好事。特别是大型神经网络需要大量的数据。你的数据对我来说似乎不那么重要。我建议你使用简单的网络

简言之，所有合并的图像是否可能来自同一来源？i、 它们大体上相似，但只在感染部位不同？如果是的话，那就去吧

---

祝你好运

据我所知，通常情况下混合数据集不是一件好事，尤其是当数据集彼此不太相似时。然而，在你的案例中，你说所有这些都是人类肺部的X光图像。我们希望所有的图像都非常相似，所以混合它们不会对性能造成不良影响，但我想这是一种好的方式

在深度学习领域，拥有大量数据总是一件好事。特别是大型神经网络需要大量的数据。你的数据对我来说似乎不那么重要。我建议你使用简单的网络

简言之，所有合并的图像是否可能来自同一来源？i、 它们大体上相似，但只在感染部位不同？如果是的话，那就去吧

---

祝你好运

谢谢你的评论，一般来说，它们在病变的形状和区域上是不同的。但在正常情况下，情况是一样的。然而，我还有一个问题，它在我的数据集中的“分布”是什么意思，它是正常和癌症等级的比率吗？@totalynew你能给出整个句子和上下文吗？但是，是的，例如，我想同源分布意味着你有相似数量的类。我只是想知道，对于一个只包含正常和癌症患者图像的数据集，数据集的分布是什么。这个分布是否意味着癌症和正常之间的比例class@TotallyNew对这意味着有多少图像是癌变图像，有多少是正常图像。谢谢你的评论，总的来说，它们在形状和病变区域上是不同的。但在正常情况下，情况是一样的。然而，我还有一个问题，它在我的数据集中的“分布”是什么意思，它是正常和癌症等级的比率吗？@totalynew你能给出整个句子和上下文吗？但是，是的，例如，我想同源分布意味着你有相似数量的类。我只是想知道，对于一个只包含正常和癌症患者图像的数据集，数据集的分布是什么。这个分布是否意味着癌症和正常之间的比例class@TotallyNew对这意味着有多少图像是癌症图像，有多少是正常图像。