我目前正在从事分类项目，但是我对应该如何开始感到怀疑。
目标
将尺寸为80 * 80（即6400像素）的图片准确分类为正确的类（二进制）。
设置
5260个训练样本，600个测试样本
问题
由于像素多于样本，因此在我开始制定分类方法（如SVM，KNN等）之前，“丢弃”大多数像素并仅查看重要的像素似乎是我的逻辑。 / p>
说训练数据由X_train（预测变量）和Y_train（结果）组成。到目前为止，我已经尝试查看sklearn中的 SelectKBest（）方法以进行特征提取。但是使用这种方法并知道我实际上要选择多少个k的最佳方法是什么？
在某些情况下，我可能完全走错了路，所以如果我错了，请纠正我，或者在可能的情况下建议其他解决方法。
答案 0 :(得分：0)
您建议减小特征空间的尺寸。这是一种正规化方法，可以减少过度拟合的情况。您没有提到过拟合是一个问题，因此我将首先对其进行测试。这是我会尝试的一些方法：
使用转移学习。将一个经过预训练的网络用于图像识别任务，并将其微调到您的数据集。搜索转学，您会发现很多资源。
在数据集中训练卷积神经网络。 CNN是图像机器学习的首选方法。检查是否过拟合。
如果要减小数据集的维数，请调整图像大小。从80x80 => 40x40开始，如果您的任务不取决于图像的精细细节，则像素数量将减少4倍。
您可能还需要考虑其他事项，但我需要更多地了解您的问题及其要求。