该类实现了随机森林预测器。更多信息...

#include <opencv2/ml.hpp>

cv::ml::RTrees 的协作图

公共成员函数
virtual int	getActiveVarCount () const =0

virtual bool	getCalculateVarImportance () const =0

virtual double	getOOBError () const =0

virtual TermCriteria	getTermCriteria () const =0

virtual Mat	getVarImportance () const =0

virtual void	getVotes (InputArray samples, OutputArray results, int flags) const =0

virtual void	setActiveVarCount (int val)=0

virtual void	setCalculateVarImportance (bool val)=0

virtual void	setTermCriteria (const TermCriteria &val)=0

继承自 cv::ml::DTrees 的公共成员函数
virtual int	getCVFolds () const =0

virtual int	getMaxCategories () const =0

virtual int	getMaxDepth () const =0

virtual int	getMinSampleCount () const =0

virtual const std::vector< Node > &	getNodes () const =0
	返回所有节点。

virtual cv::Mat	getPriors () const =0
	按类别标签值排序的先验类别概率数组。

virtual float	getRegressionAccuracy () const =0

virtual const std::vector< int > &	getRoots () const =0
	返回根节点索引。

virtual const std::vector< Split > &	getSplits () const =0
	返回所有分割。

virtual const std::vector< int > &	getSubsets () const =0
	返回所有用于分类分割的位集。

virtual bool	getTruncatePrunedTree () const =0

virtual bool	getUse1SERule () const =0

virtual bool	getUseSurrogates () const =0

virtual void	setCVFolds (int val)=0

virtual void	setMaxCategories (int val)=0

virtual void	setMaxDepth (int val)=0

virtual void	setMinSampleCount (int val)=0

virtual void	setPriors (const cv::Mat &val)=0
	按类别标签值排序的先验类别概率数组。

virtual void	setRegressionAccuracy (float val)=0

virtual void	setTruncatePrunedTree (bool val)=0

virtual void	setUse1SERule (bool val)=0

virtual void	setUseSurrogates (bool val)=0

从 cv::ml::StatModel 继承的公共成员函数
virtual float	calcError (const Ptr< TrainData > &data, bool test, OutputArray resp) const
	计算训练或测试数据集上的误差。

virtual bool	empty () const CV_OVERRIDE
	如果算法为空（例如在初始化或读取失败后），则返回 true。

virtual int	getVarCount () const =0
	返回训练样本中的变量数量。

virtual bool	isClassifier () const =0
	如果模型是分类器，则返回 true。

virtual bool	isTrained () const =0
	如果模型已训练，则返回 true。

virtual float	predict (InputArray samples, OutputArray results=noArray(), int flags=0) const =0
	预测提供样本的响应。

virtual bool	train (const Ptr< TrainData > &trainData, int flags=0)
	训练统计模型。

virtual bool	train (InputArray samples, int layout, InputArray responses)
	训练统计模型。

从 cv::Algorithm 继承的公共成员函数
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除算法状态。

virtual String	getDefaultName () const

virtual void	read (const FileNode &fn)
	从文件存储读取算法参数。

virtual void	save (const String &filename) const

void	write (const Ptr< FileStorage > &fs, const String &name=String()) const

virtual void	write (FileStorage &fs) const
	将算法参数存储在文件存储中。

void	write (FileStorage &fs, const String &name) const

静态公共成员函数
static Ptr< RTrees >	create ()

static Ptr< RTrees >	load (const String &filepath, const String &nodeName=String())
	从文件中加载并创建序列化的 RTree。

继承自 cv::ml::DTrees 的静态公共成员函数
static Ptr< DTrees >	create ()
	创建空的模型。

static Ptr< DTrees >	load (const String &filepath, const String &nodeName=String())
	从文件中加载并创建序列化的 DTrees。

继承自 cv::ml::StatModel 的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	train (const TrainData &data, int flags=0)
	使用默认参数创建并训练模型。

继承自 cv::Algorithm 的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串中加载算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点中读取算法。

更多继承成员
从 cv::ml::DTrees 继承的公共类型
enum	Flags { PREDICT_AUTO =0 , PREDICT_SUM =(1<<8) , PREDICT_MAX_VOTE =(2<<8) , PREDICT_MASK =(3<<8) }

从 cv::ml::StatModel 继承的公共类型
enum	Flags { UPDATE_MODEL = 1 , RAW_OUTPUT =1 , COMPRESSED_INPUT =2 , PREPROCESSED_INPUT =4 }

从 cv::Algorithm 继承的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

该类实现了随机森林预测器。

参见: 随机树

成员函数文档

◆ create()

静态 Ptr< RTrees > cv::ml::RTrees::create ( )

静态

Python
	cv.ml.RTrees.create(		) ->	retval
	cv.ml.RTrees_create(		) ->	retval

创建空模型。使用 StatModel::train 来训练模型，使用 StatModel::train 来创建和训练模型，使用 Algorithm::load 来加载预训练模型。

◆ getActiveVarCount()

virtual int cv::ml::RTrees::getActiveVarCount ( ) const

纯虚函数

Python
	cv.ml.RTrees.getActiveVarCount(		) ->	retval

每个树节点随机选择的特征子集的大小，这些特征用于找到最佳分割点。如果您将其设置为0，则大小将设置为总特征数的平方根。默认值是0。

参见: setActiveVarCount

◆ getCalculateVarImportance()

virtual bool cv::ml::RTrees::getCalculateVarImportance ( ) const

纯虚函数

Python
	cv.ml.RTrees.getCalculateVarImportance(		) ->	retval

如果为真，则将计算变量重要性，然后可以通过 RTrees::getVarImportance 获取。默认值为false。

参见: setCalculateVarImportance

◆ getOOBError()

virtual double cv::ml::RTrees::getOOBError ( ) const

纯虚函数

Python
	cv.ml.RTrees.getOOBError(		) ->	retval

返回OOB错误值，在训练阶段计算时calcOOBError被设置为true。如果此标志被设置为false，则返回0。OOB错误也按样本权重缩放。

◆ getTermCriteria()

virtual TermCriteria cv::ml::RTrees::getTermCriteria ( ) const

纯虚函数

Python
	cv.ml.RTrees.getTermCriteria(		) ->	retval

指定何时停止训练算法的终止条件。要么是训练并添加到集成中指定数量的树，要么是达到足够的精度（以OOB错误衡量）。通常，您拥有的树越多，精度越好。然而，精度的提高通常会减弱，并且经过一定数量的树后趋近于一个水平线。还要注意的是，树的数量线性增加预测时间。默认值是 TermCriteria(TermCriteria::MAX_ITERS + TermCriteria::EPS, 50, 0.1)

参见: setTermCriteria

◆ getVarImportance()

virtual Mat cv::ml::RTrees::getVarImportance ( ) const

纯虚函数

Python
	cv.ml.RTrees.getVarImportance(		) ->	retval

返回变量重要性数组。该方法在训练阶段当CalculateVarImportance被设置为true时返回变量重要性向量。如果此标志被设置为false，则返回空矩阵。

◆ getVotes()

virtual void cv::ml::RTrees::getVotes	(	InputArray	samples,
		OutputArray	results,
		int	flags
	)		const

纯虚函数

Python
	cv.ml.RTrees.getVotes(	samples, flags[, results]	) ->	results

返回森林中每个单独树木的结果。如果模型是回归问题，该方法将返回每个树木对每个样本案例的结果。如果是分类器，它将返回一个包含样本 + 1 行的 Mat，第一行给出类编号，下面的行返回每个样本的每个类的投票数。

参数

samples	包含将计算投票的样本的数组。
results	将写入计算结果的数组。
标志	用于定义 RTrees 类型的标志。

◆ load()

static Ptr< RTrees > cv::ml::RTrees::load	(	const String &	filepath,
		const String &	nodeName = `String()`
	)

静态

Python
	cv.ml.RTrees.load(	filepath[, nodeName]	) ->	retval
	cv.ml.RTrees_load(	filepath[, nodeName]	) ->	retval

从文件中加载并创建序列化的 RTree。

使用 RTree::save 将 RTree 序列化和存储到磁盘。通过使用此函数调用包含分类器的文件的路径重新加载 RTree。可选指定包含分类器的节点

参数

filepath	序列化 RTree 的路径
nodeName	包含分类器的节点名称

◆ setActiveVarCount()

virtual void cv::ml::RTrees::setActiveVarCount ( int val )

纯虚函数

Python
	cv.ml.RTrees.setActiveVarCount(	val	) ->	None

参见: getActiveVarCount

◆ setCalculateVarImportance()

virtual void cv::ml::RTrees::setCalculateVarImportance ( bool val )

纯虚函数

Python
	cv.ml.RTrees.setCalculateVarImportance(	val	) ->	None

参见: getCalculateVarImportance

◆ setTermCriteria()

virtual void cv::ml::RTrees::setTermCriteria ( const TermCriteria & val )

纯虚函数

Python
	cv.ml.RTrees.setTermCriteria(	val	) ->	None

参见: getTermCriteria

本类文档是从以下文件生成的

opencv2/ml.hpp

公共成员函数

静态公共成员函数

更多继承成员

详细描述

成员函数文档

◆ create()

◆ getActiveVarCount()

◆ getCalculateVarImportance()

◆ getOOBError()

◆ getTermCriteria()

◆ getVarImportance()

◆ getVotes()

◆ load()

◆ setActiveVarCount()

◆ setCalculateVarImportance()

◆ setTermCriteria()