Definição das características e suas classificações | Machine Learning: classificação por trás dos panos

Olá, turma!

Estou com o desafio de classificar uma imagem utilizando abordagem estatística para descrição de textura. Ao término do processo, eu extraio 17 descritores da imagem. Para simplificar, vou citar somente 3: Seriam: Homogeneidade, Entropia e Segundo Momento Angular. Para cada descritor desse é gerado um valor. Exemplo:

Descritores por imagem para uma distância de 20 e ângulo de 0°
Imagens        Entropia     Segundo Momento Angular     Homogeneidade
Zebra          9.263311                    0.000567          0.059867
Girafa         9.540851                    0.000119          0.034417

Supondo que só com esses do exemplo eu pudesse classificar, como seriam o meu X e seus cabeçalhos de colunas? Lembrando que uma zebra pode ter valores diferentes de outra zebra, porém aproximados. Esse modelo pode ser enquadrado numa classificação binária? Vi aqui num trabalho acadêmico que o cara usou o Naive-Bayes para classificar, utilizando esses 17 descritores, porém não descreve o processo. Como transformar esses valores estatísticos em zeros e uns?

Oii Franco, tudo bem com você? Espero que sim!

Desculpa a demora em te dar em retorno por aqui.

Acredito que para o seu problema, métodos não supervisionados podem ser úteis, como o método de clustering. Nós temos os cursos de Clustering Básico: k-means, DBSCAN e mean shift e Clustering: extraindo padrões de dados que podem te ajudar nesses casos, onde os valores são parecidos e podem ser formados realmente pequenos agrupamentos para cada animal, conforme cada descritor analisado, e ai você pode decidir qual método estatístico pode te ajudar a classificar melhor.

Espero ter te ajudado e qualquer outra dúvida pode me procurar, ok?

Bons estudos ^^

Caso este post tenha lhe ajudado, por favor, marcar como solucionado ✓. Bons Estudos!