基于Matlab的癌细胞图像识别代码-SureStart 是一款利用Matlab开发的高效工具箱，专注于精准检测与分类癌细胞图像，助力医学研究和临床诊断。
第一天（2/8/21）：我计划学习一些新的监督学习方法来支持我的研究工作。
这项研究使用了从癌细胞形状特征收集的大量数据集。
目标是构建一个能够利用这些形状特性预测转移行为的模型。
第二天（2/9/21）：通过监督学习，我们能用已知标签的数据训练计算机模型。相反地，在无监督学习中，我们可以让算法在没有明确指导的情况下自行发现数据中的模式和结构。值得注意的是，Scikit-learn库主要用于机器学习任务本身，并不负责执行数据准备、处理或可视化等操作。
第三天（21/10/21）：张量是数学领域的一种对象，它将标量、向量及矩阵的概念推广到了更高的维度中。例如，它可以是一个单一的向量或者一个单独的矩阵，也可以是一系列向量组成的结构或者是多个相互关联的矩阵。
我发现Python中的代码与我在Matlab上的编码习惯有很大的不同；除非有明确指导提示，否则张量计算可能不会产生有意义的结果输出。
第四天（21/11/21）：我已经找到了一些用于研究的数据集。经过调查发现，在癌症检测中通常使用一到三层的神经网络模型。这些层次结构能够帮助我们进行特征的计算和分类工作，比如大小、不规则性以及核与细胞的比例等。
第五天（2/12/21）：我开始着手创建一些代码来支持我的研究项目。
5星
