cv::ml::LogisticRegression 类参考

实现逻辑回归分类器。更多...

#include <opencv2/ml.hpp>

cv::ml::LogisticRegression 的协作图

公共类型
enum	方法 {   BATCH = 0 ,   MINI_BATCH = 1 }
	训练方法。更多...
enum	RegKinds {   REG_DISABLE = -1 ,   REG_L1 = 0 ,   REG_L2 = 1 }
	正则化类型。更多...
从 cv::ml::StatModel 继承的公共类型
enum	标志 {   UPDATE_MODEL = 1 ,   RAW_OUTPUT =1 ,   COMPRESSED_INPUT =2 ,   PREPROCESSED_INPUT =4 }

公共成员函数
virtual Mat	get_learnt_thetas () const =0
	此函数返回按行排列的已训练参数。
virtual int	getIterations () const =0
virtual double	getLearningRate () const =0
virtual int	getMiniBatchSize () const =0
virtual int	getRegularization () const =0
virtual TermCriteria	getTermCriteria () const =0
virtual int	getTrainMethod () const =0
virtual float	predict (InputArray samples, OutputArray results=noArray(), int flags=0) const CV_OVERRIDE=0
	预测输入样本的响应并返回一个浮点类型。
virtual void	setIterations (int val)=0
virtual void	setLearningRate (double val)=0
virtual void	setMiniBatchSize (int val)=0
virtual void	setRegularization (int val)=0
virtual void	setTermCriteria (TermCriteria val)=0
virtual void	setTrainMethod (int 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
	计算在训练集或测试集上的错误。
virtual bool	empty () const CV_OVERRIDE
	如果算法为空（例如在最开始或读取失败后），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
	如果该模型为分类器，则返回 true。
virtual bool	isTrained () const =0
	如果模型已训练，则返回 true。
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
	将算法参数存储到文件存储中。
void	write (FileStorage &fs, const String &name) const

静态公共成员函数
static Ptr< LogisticRegression >	create ()
	创建空的模型。
static Ptr< LogisticRegression >	load (const String &filepath, const String &nodeName=String())
	从文件加载并创建序列化的LogisticRegression。
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 >	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())
	从字符串加载算法。
template<typename _Tp >
static Ptr< _Tp >	读取 (const FileNode &fn)
	从文件节点读取算法。

其他继承成员
从 cv::Algorithm 继承的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

实现逻辑回归分类器。

另请参阅

逻辑回归

成员枚举说明

方法

枚举 cv::ml::LogisticRegression::Methods

训练方法。

枚举值
BATCH
MINI_BATCH	在使用此方法时，将 MiniBatchSize 设置为正整数。

RegKinds

枚举 cv::ml::LogisticRegression::RegKinds

正则化种类。

枚举值
REG_DISABLE	禁用正则化。
REG_L1	L1范数
REG_L2	L2范数

成员函数说明

create()

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

static

Python
	cv.ml.LogisticRegression.create(		) ->	retval
	cv.ml.LogisticRegression_create(		) ->	retval

创建空的模型。

创建具有给定参数的逻辑回归模型。

get_learnt_thetas()

virtual Mat cv::ml::LogisticRegression::get_learnt_thetas ( ) const

纯虚

Python
	cv.ml.LogisticRegression.get_learnt_thetas(		) ->	retval

此函数返回按行排列的已训练参数。

对于二类分类问题，它返回一个行矩阵。它以 CV_32F 类型的矩阵形式返回逻辑回归的学习参数。

getIterations()

virtual int cv::ml::LogisticRegression::getIterations ( ) const

纯虚

Python
	cv.ml.LogisticRegression.getIterations(		) ->	retval

迭代次数。

另请参阅

setIterations

getLearningRate()

virtual double cv::ml::LogisticRegression::getLearningRate ( ) const

纯虚

Python
	cv.ml.LogisticRegression.getLearningRate(		) ->	retval

学习率。

另请参阅

setLearningRate

getMiniBatchSize()

virtual int cv::ml::LogisticRegression::getMiniBatchSize ( ) const

纯虚

Python
	cv.ml.LogisticRegression.getMiniBatchSize(		) ->	retval

指定在 Mini-Batch 退火过程的每一步中使用的训练样本数量。只有在使用 LogisticRegression::MINI_BATCH 训练算法时才会使用。它必须小于训练样本总数。

另请参阅

setMiniBatchSize

getRegularization()

virtual int cv::ml_::LogisticRegression::getRegularization ( ) const

纯虚

Python
	cv.ml.LogisticRegression.getRegularization(		) ->	retval

要应用的正则化类型。参见 LogisticRegression::RegKinds。

另请参阅

setRegularization

getTermCriteria()

virtual TermCriteria cv::ml_::LogisticRegression::getTermCriteria ( ) const

纯虚

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

算法的终止条件。

另请参阅

setTermCriteria

getTrainMethod()

virtual int cv::ml_::LogisticRegression::getTrainMethod ( ) const

纯虚

Python
	cv.ml.LogisticRegression.getTrainMethod(		) ->	retval

使用的训练方法的类型。参见 LogisticRegression::Methods。

另请参阅

setTrainMethod

load()

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

static

Python
	cv.ml.LogisticRegression.load(	filepath[, nodeName]	) ->	retval
	cv.ml.LogisticRegression_load(	filepath[, nodeName]	) ->	retval

从文件加载并创建序列化的LogisticRegression。

使用 LogisticRegression::save 将 LogisticRegression 序列化并存储到磁盘。通过调用此函数并指定文件路径再次从该文件加载 LogisticRegression。可选地指定包含分类器的节点

参数

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

predict()

virtual float cv::ml_::LogisticRegression::predict ( InputArray  samples, OutputArray  results = noArray(), int  flags = 0  ) const

纯虚

Python
	cv.ml.LogisticRegression.predict(	samples[, results[, flags]]	) ->	retval, results

预测输入样本的响应并返回一个浮点类型。

参数

samples	预测算法的输入数据。矩阵 [m x n]，其中每行包含一个正在分类的对象的变量（特征）。应数据类型 CV_32F。
results	预测的标签作为类型为 CV_32S 的列矩阵。
flags	未使用。

实现 cv::ml::StatModel。

这是此函数的调用图

setIterations()

virtual void cv::ml_::LogisticRegression::setIterations ( int  val )

纯虚

Python
	cv.ml.LogisticRegression.setIterations(	val	) ->	None

另请参阅

getIterations

setLearningRate()

virtual void cv::ml_::LogisticRegression::setLearningRate ( double  val )

纯虚

Python
	cv.ml.LogisticRegression.setLearningRate(	val	) ->	None

另请参阅

获取学习率

设置小批量大小()

virtual void cv::ml::LogisticRegression::setMiniBatchSize ( int  val )

纯虚

Python
	cv.ml.LogisticRegression.setMiniBatchSize(	val	) ->	None

另请参阅

获取小批量大小

设置正则化系数()

virtual void cv::ml::LogisticRegression::setRegularization ( int  val )

纯虚

Python
	cv.ml.LogisticRegression.setRegularization(	val	) ->	None

另请参阅

获取正则化系数

设置终止条件()

virtual void cv::ml::LogisticRegression::setTermCriteria ( 终止条件  val )

纯虚

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

另请参阅

获取终止条件

设置训练方法()

virtual void cv::ml::LogisticRegression::setTrainMethod ( int  val )

纯虚

Python
	cv.ml.LogisticRegression.setTrainMethod(	val	) ->	None

另请参阅

获取训练方法

---

本类的文档是从以下文件生成的

• opencv2/ml.hpp