Używając popularnych metod uczenia maszynowego (SVM, Random Forest, Regresja logistyczna, kNN, Naiwny Bayes), jak i metody hybrydowej o nie opartej, stworzyliśmy modele do klasyfikacji zdjęć zmian skórynch, jako rakowe lub nie.
Ze zdjęć z zestawu dataset HAM10000 wydobyliśmy 44 cechy, które nastepnie przekazaliśmy do modeli. Skrypty do wykonania tej czynności znajdują się w folderze generowanie_cech, a plik main.py służy do wygenerowania tych cech dla zdjęć. Skrypt wykorzystuje wiele rdzeni procesora, korzystając z biblioteki multiprocessing, aby przyspieszyć ten proces.
Dokładny opis wraz z kodem można znaleźc w pliku main.ipynb lub main.html