对于由2D平面组成的数据集要使用哪种机器学习/深度学习技术

Question

我是机器学习/深度学习领域的新手。在一项作业中，我获得了1000个数据点的数据集。每个数据点都是尺寸为1024 x 1024的2D平面。在每个平面中，有些点标记为0类（x），有些点标记为1类（o）。下面是一个简单的图。

data point #1

        (0,1024)                          (1024,1024)
            |--------------------------------|
            |          x                     |
            |        xx                      |
            |         x                      |
            |        x    o                  |
            |              x                 |
            |         x      x               |
            |                  o             |
            |                                |
            |                                |
            |                                |
            ----------------------------------
           (0,0)                           (1024,0)

data point #2

        (0,1024)                          (1024,1024)
            |--------------------------------|
            |                                |
            |        xo                      |
            |         o                      |
            |        x                       |
            |                                |
            |         x                      |
            |                  o             |
            |                   xxx          |
            |                                |
            |                                |
            ----------------------------------
           (0,0)                           (1024,0)

etc.

我们知道每个标记点的笛卡尔坐标（x，y）。

我应该使用哪种ML / DL技术对这样的未标记点进行 NEW 预测。

unknown data point

        (0,1024)                          (1024,1024)
            |--------------------------------|
            |          .                     |
            |        ..                      |
            |         .                      |
            |        .                       |
            |       .                        |
            |      .                         |
            |                  .             |
            |                                |
            |                ..              |
            |               .                |
            ----------------------------------
           (0,0)                           (1024,0)

感谢您的帮助。

Answer 1

据我所知，您想预测一个点是1类还是2类。

如果您的数据采用图片的形式，即1024 x 1024的数字数组，则建议您使用卷积神经网络。

如果您的数据是2个值，例如（456,543），则正常的神经网络应该起作用。我不知道您是否必须使用特定的库来分配作业，如果您不这样做，我建议您将keras与tensorflow一起使用，因为这对于初学者来说非常简单容易。

此外，我认为1000个样本还不够，请提供更多数据样本。

希望有帮助。请不要要求我完全为您编写代码，因为它有点违反任务的目的：）

编辑：

如果要对点进行分类，只需使用普通的神经网络并单独输入点的协调即可。

但是，如果您获得的图像带有像素，即

img = [[0,0,0,0,0,0....0,0]
       [0,1,0,0,0,0....0,0]
       ...
       [0,0,0,0,1,0....0,0]]

然后，您仍然应该使用卷积网络，只需使其一次输出几个值即可。但是，如果图像中的点数不是恒定的，那就是另一回事了。