cv::ml::Boost 类参考

由 DTrees 衍生的提升树分类器。 更多...

#include <opencv2/ml.hpp>

cv::ml::Boost 的协作图

公共类型
枚举	类型 {   DISCRETE =0 ,   REAL =1 ,   LOGIT =2 ,   GENTLE =3 }
从 cv::ml::DTrees 继承的公共类型
枚举	标志 {   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
枚举	标志 {   UPDATE_MODEL = 1 ,   RAW_OUTPUT =1 ,   COMPRESSED_INPUT =2 ,   PREPROCESSED_INPUT =4 }

公共成员函数
虚拟 int	getBoostType () const =0
虚拟 int	getWeakCount () const =0
虚拟 double	getWeightTrimRate () const =0
虚拟 void	setBoostType (int val)=0
虚拟 void	setWeakCount (int val)=0
虚拟 void	setWeightTrimRate (double val)=0
从 cv::ml::DTrees 继承的公共成员函数
虚拟 int	getCVFolds () const =0
虚拟 int	getMaxCategories () const =0
虚拟 int	getMaxDepth () const =0
虚拟 int	getMinSampleCount () const =0
虚拟 const std::vector< Node > &	getNodes () const =0
	返回所有节点。
虚拟 cv::Mat	getPriors () const =0
	先验类别概率数组，按类别标签值排序。
虚拟 float	getRegressionAccuracy () const =0
虚拟 const std::vector< int > &	getRoots () const =0
	返回根节点的索引。
虚拟 const std::vector< Split > &	getSplits () const =0
	返回所有分割。
虚拟 const std::vector< int > &	getSubsets () const =0
	返回所有分类分割的位集。
虚拟 bool	getTruncatePrunedTree () const =0
虚拟 bool	getUse1SERule () const =0
虚拟 bool	getUseSurrogates () const =0
虚拟 void	setCVFolds (int val)=0
虚拟 void	setMaxCategories (int val)=0
虚拟 void	setMaxDepth (int val)=0
虚拟 void	setMinSampleCount (int val)=0
虚拟 void	setPriors (const cv::Mat &val)=0
	先验类别概率数组，按类别标签值排序。
虚拟 void	setRegressionAccuracy (float val)=0
虚拟 void	setTruncatePrunedTree (bool val)=0
虚拟 void	setUse1SERule (bool val)=0
虚拟 void	setUseSurrogates (bool val)=0
从 cv::ml::StatModel 继承的公有成员函数
虚拟 float	calcError (const Ptr< TrainData > &data, bool test, OutputArray resp) const
	计算训练或测试数据集上的错误。
虚拟 bool	empty () const CV_OVERRIDE
	如果算法为空（例如在最开始或读取失败后），返回 true。
虚拟 int	getVarCount () const =0
	返回训练样本中的变量数量。
虚拟 bool	isClassifier () const =0
	如果该模型是分类器，则返回 true。
虚拟 bool	isTrained () const =0
	如果模型已训练，则返回 true。
虚拟 float	predict (InputArray samples, OutputArray results=noArray(), int flags=0) const =0
	为提供的样本预测响应。
虚拟 bool	train (const Ptr< TrainData > &trainData, int flags=0)
	训练统计模型。
虚拟 bool	train (InputArray samples, int layout, InputArray responses)
	训练统计模型。
从 cv::Algorithm 继承的公有成员函数
	Algorithm ()
virtual	~Algorithm ()
虚拟 void	clear ()
	清除算法状态。
virtual String	getDefaultName () const
虚拟 void	read (const FileNode &fn)
	从文件存储中读取算法参数。
虚拟 void	save (const String &filename) const
void	写入 (const Ptr< FileStorage > &fs, const String &name=String()) const
虚拟 void	写入 (FileStorage &fs) const
	将算法参数存储在文件存储中。
void	写入 (FileStorage &fs, const String &name) const

静态公共成员函数
static Ptr< Boost >	创建 ()
static Ptr< Boost >	加载 (const String &filepath, const String &nodeName=String())
	从文件中加载并创建序列化的 Boost。
从 cv::ml::DTrees 继承的静态公共成员函数
static Ptr< DTrees >	创建 ()
	创建空的模型。
static Ptr< DTrees >	加载 (const String &filepath, const String &nodeName=String())
	从文件中加载并创建序列化的 DTrees。
从 cv::ml::StatModel 继承的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	训练 (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 >	加载 (const String &filename, const String &objname=String())
	从文件中加载算法。
template<typename _Tp >
static Ptr< _Tp >	从字符串加载 (const String &strModel, const String &objname=String())
	从字符串中加载算法。
template<typename _Tp >
static Ptr< _Tp >	从文件节点读取 (const FileNode &fn)
	从文件节点中读取算法。

额外的继承成员
从 cv::Algorithm 继承的受保护的成员函数
void	writeFormat (FileStorage &fs) const

详细说明

基于 DTrees 的融合树分类器。

另请参阅

增强学习

成员枚举文档

类型

enum cv::ml::Boost::Types

增强类型。Gentle AdaBoost 和 Real AdaBoost 通常是最好的选择。

枚举器
DISCRETE	离散 AdaBoost。
REAL	Real AdaBoost。它是一种利用置信度预测的技术，与分类数据配合良好。
LOGIT	LogitBoost。它可以产生良好的回归拟合。
GENTLE	Gentle AdaBoost。它对异常值数据点的权重较低，因此通常适用于回归数据。

成员函数文档

create()

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

static

Python
	cv.ml.Boost.create(		) ->	retval
	cv.ml.Boost_create(		) ->	retval

创建空的模型。使用 StatModel::train 训练模型，使用 Algorithm::load<Boost>(filename) 加载预训练模型。

getBoostType()

virtual int cv::ml::Boost::getBoostType ( ) const

纯虚拟

Python
	cv.ml.Boost.getBoostType(		) ->	retval

增强算法的类型。请参阅 Boost::Types。默认值为 Boost::REAL。

另请参阅

setBoostType

getWeakCount()

virtual int cv::ml::Boost::getWeakCount ( ) const

纯虚拟

Python
	cv.ml.Boost.getWeakCount(		) ->	retval

弱分类器的数量。默认值是 100。

另请参阅

setWeakCount

getWeightTrimRate()

virtual double cv::ml::Boost::getWeightTrimRate ( ) const

纯虚拟

Python
	cv.ml.Boost.getWeightTrimRate(		) ->	retval

一个介于 0 和 1 之间的阈值，用于节省计算时间。总权重 \(\leq 1 - weight_trim_rate\) 的样本不参与 下一个 迭代的训练。将该参数设置为 0 以关闭此功能。默认值是 0.95。

另请参阅

setWeightTrimRate

load()

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

static

Python
	cv.ml.Boost.load(	filepath[, nodeName]	) ->	retval
	cv.ml.Boost_load(	filepath[, nodeName]	) ->	retval

从文件中加载并创建序列化的 Boost。

使用Boost::save将RTree序列化并存储到磁盘。通过调用此函数并提供文件路径，从该文件再次载入Boost。可指定包含分类器的文件的节点。

参数

filepath	Boost的序列化路径
nodeName	包含分类器的节点的名称

setBoostType()

virtual void cv::ml::Boost::setBoostType ( int  val )

纯虚拟

Python
	cv.ml.Boost.setBoostType(	val	) ->	None

另请参阅

getBoostType

setWeakCount()

virtual void cv::ml::Boost::setWeakCount ( int  val )

纯虚拟

Python
	cv.ml.Boost.setWeakCount(	val	) ->	None

另请参阅

getWeakCount

setWeightTrimRate()

virtual void cv::ml::Boost::setWeightTrimRate ( double  val )

纯虚拟

Python
	cv.ml.Boost.setWeightTrimRate(	val	) ->	None

另请参阅

getWeightTrimRate

---

本类的文档是根据以下文件生成的

• opencv2/ml.hpp