Tensorflow 用按相关性排序的数据训练神经网络

我有一个特定皮疹图片的数据集，由医生根据他们对特定皮疹是“莱姆病”的可能性的预测进行分类。因此，数据集由文件夹“50-70%”、“70-80%”、“80-90%”、“90-100%”组成。例如，在“90-100%”文件夹中躺着的照片最有可能是“莱姆病”等等

---

我想使用所有这些数据，但我想知道如何告诉神经网络，这个文件夹中的图片肯定是“莱姆病”，而其他文件夹中的图片——可能性较小。甚至有可能吗？

Keras有

ImageDataGenerator

类，它能够加载按类别在目录中排序的图像。您必须创建这样一个对象，然后才能使用

.flow\u from\u directory（directory）

方法。

Kamil，这完全取决于您的需求

1） 如果你只是想让你的模特知道“莱姆病”或“不是莱姆病”

您可以设置一个限制，就像任何高于80%的都是莱姆，低于80%的都不是莱姆

因此，您可以将所有低于80%的图像分类为输出为0，将所有高于80%的图像分类为输出为1

2） 如果您希望模型更详细，比如不同的级别，可以这样做

“90-100%”——含有莱姆[1,0,0,0]

“80-90%”——高风险[0,1,0,0]

“70-80%”——无风险[0,0,1,0]

“50-70%——不含莱姆[0,0,0,1]

---

相应地，你们可以有分类输出

问题不在于如何对多个类别进行分类。我有对应于一个类别的数据集，但有不同的确定性。所以它应该是二元分类“莱姆病”或“非莱姆病”“据我所知，你有那些图片被标记为该疾病的可能性，并希望训练神经网络将图片分类为a类。我说得对吗？没错。我想训练一个神经网络，它能够对疾病进行分类，所以在（2）中，你的意思是做多重分类而不是二进制分类？