我可以在进行深度学习时使用来自不同来源的数据集吗答案

【问题标题】：Could i use datasets from different sources when doing deep learning我可以在进行深度学习时使用来自不同来源的数据集吗
【发布时间】：2019-09-04 18:58:13
【问题描述】：

简单地说，我想检测患者是否患有肺癌或不使用胸部 X 射线图像。

我在这里遇到的问题是：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 射线图像，假设所有其他医学属性也相同。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 张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。我打算混合和打乱所有数据，然后开始分成训练、验证、测试集。可以吗？

还有什么我应该注意的东西/特征吗？

【问题讨论】：

【解决方案1】：

据我所知，通常混合数据集并不是一件好事，尤其是当数据集彼此不是很相似时。但是，在您的情况下，您说它们都是人肺的X射线图像。我们希望所有图像都非常相似，因此混合它们不会对性能产生不好的影响，但我猜是好的。

在深度学习领域拥有大量数据总是好的。尤其是大型神经网络需要大量数据。你的数据对我来说似乎更少。我建议您使用简单的网络。

简而言之，是否所有组合的图像都来自同一来源？即它们总体上彼此相似，但仅在感染的部分不同？如果是，请继续。

祝你好运

【讨论】：

感谢您的评论，总的来说，它们在病变的形状和区域上有所不同。但在正常情况下，它是相同的。但是，我还有一个问题，我的数据集中的“分布”是什么意思，是正常类和癌症类的比率吗？
@TotallyNew 你能给出整个句子和上下文吗？但是，是的，例如，我猜同质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。分布是否意味着癌和正常类之间的比率
@TotallyNew 是的。这意味着有多少图像是癌性图像，有多少是正常图像。