针对正态分布数据的贝叶斯分类器。更多...

#include <opencv2/ml.hpp>

cv::ml::NormalBayesClassifier 的协作图

公共成员函数
virtual float	predictProb (InputArray inputs, OutputArray outputs, OutputArray outputProbs, int flags=0) const =0
	预测样本的响应。

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 Algorithm 为空（例如在开始时或读取失败后），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
	预测所提供样本的响应。

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)
	从文件存储中读取算法参数。

virtual void	save (const String &filename) const

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

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

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

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

static Ptr< NormalBayesClassifier >	load (const String &filepath, const String &nodeName=String())
	从文件中加载并创建一个序列化 NormalBayesClassifier。

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

从 cv::Algorithm 继承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())
	从字符串加载算法。

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

继承的附加成员
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 继承的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

针对正态分布数据的贝叶斯分类器。

成员函数文档

static Ptr< NormalBayesClassifier > cv::ml::NormalBayesClassifier::create ( )

static

Python
	cv.ml.NormalBayesClassifier.create(		) ->	retval
	cv.ml.NormalBayesClassifier_create(		) ->	retval

创建空模型使用 StatModel::train 在创建后训练模型。

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

static

Python
	cv.ml.NormalBayesClassifier.load(	filepath[, nodeName]	) ->	retval
	cv.ml.NormalBayesClassifier_load(	filepath[, nodeName]	) ->	retval

从文件中加载并创建一个序列化 NormalBayesClassifier。

使用 NormalBayesClassifier::save 将 NormalBayesClassifier 序列化并存储到磁盘。通过使用此函数调用文件路径来从该文件再次加载 NormalBayesClassifier。可选地指定包含分类器的文件的节点

参数

filepath	序列化 NormalBayesClassifier 的路径
nodeName	包含分类器的节点的名称

virtual float cv::ml::NormalBayesClassifier::predictProb	(	InputArray	inputs,
		OutputArray	outputs,
		OutputArray	outputProbs,
		int	flags = `0`
	)		const

纯虚

Python
	cv.ml.NormalBayesClassifier.predictProb(	inputs[, outputs[, outputProbs[, flags]]]	) ->	retval, outputs, outputProbs

预测样本的响应。

该方法估计输入向量的最可能类别。输入向量（一个或多个）存储为矩阵 inputs 的行。在有多个输入向量的情况下，应该有一个输出向量 outputs。单个输入向量的预测类别由该方法返回。向量 outputProbs 包含对应于 result 中每个元素的输出概率。

此类的文档是从以下文件生成的