Machine learning 具有附加数据的图像识别

大家早上好，首先我想明确地说，我昨天开始在机器学习方面迈出了第一步。 我已经阅读了最基本的项目，并参加了一些演讲。 我将在这里参加一个项目，几个月后，这项技术将得到应用。 作为一个初学者，我想问一个我认为很愚蠢的问题，但我无法为她找到答案

在演示文稿和文章中，我看到了分类器的创建，它可以对图像或数据集进行分类，但不能同时对两者进行分类。 例如，以鸢尾花数据集为例。在这个数据集中，我们有花的特征，例如花瓣宽度，但我们没有它的视觉表示。可以同时拟合，例如，估计某个图像花瓣的宽度

我想这是一个非常基本的问题，但我找不到适合初学者的问题

---

非常感谢。

机器学习模型总是适用于一些抽象数据项，如向量、多维空间中的点等。为了简单起见，让我们假设ML算法适用于向量。因此，分类将是将标签Y分配给向量Xn的任务

现在有了数据集，将一行中的值转换成向量就相对容易了——好吧，你必须以某种方式将文本转换成数字，反之亦然，但这是一个标准的过程

对于图像，它是不同的。现在，您必须为图像构建一个合适的ML表示。换句话说，您需要创建特征，例如描述图像的数字，您可以稍后将其用作ML的输入

这些特征的例子有：颜色直方图、平均亮度、边缘数量、各种卷积等。可以有更复杂的语义特征，如图片上有人。然而，计算这些要困难得多

总之，您可以在图像和数据集上构建分类器，但这基本上意味着将两者转换为一组特征